[论文解读] A Lexicalist Approach to the Translation of Colloquial Text

Fred Popowich, Davide Turcato+7 more|ArXiv.org|Jun 18, 1997

Natural Language Processing Techniques参考文献 11被引用 20

一句话总结

本文提出了一种基于 Shake and Bake（S&B）范式的词汇主义机器翻译系统，用于将电视字幕中的非正式英语翻译为西班牙语和巴西葡萄牙语。该系统采用浅层分析和词汇转换规则，稳健地处理简短、不完整且习语化的表达，评估中实现了66.27%的可接受或正确翻译率，尽管存在语义不准确，但视觉上下文仍有助于理解。

ABSTRACT

Colloquial English (CE) as found in television programs or typical conversations is different than text found in technical manuals, newspapers and books. Phrases tend to be shorter and less sophisticated. In this paper, we look at some of the theoretical and implementational issues involved in translating CE. We present a fully automatic large-scale multilingual natural language processing system for translation of CE input text, as found in the commercially transmitted closed-caption television signal, into simple target sentences. Our approach is based on the Whitelock's Shake and Bake machine translation paradigm, which relies heavily on lexical resources. The system currently translates from English to Spanish with the translation modules for Brazilian Portuguese under development.

研究动机与目标

• 解决从电视字幕中翻译非正式英语的挑战，此类文本包含短句、不完整句和习语表达，这些在正式书面语中并不常见。
• 开发一个全自动、大规模的多语言自然语言处理系统，能够在极少进行句法和语义分析的情况下翻译非正式输入。
• 优先考虑鲁棒性而非完美准确性，利用广播中的视觉和上下文线索来弥补翻译中的缺陷。
• 通过模块化的语言特定语法和词典，实现对新目标语言的快速扩展。

提出的方法

• 系统采用 Shake and Bake（S&B）机器翻译框架，依赖词汇资源，避免进行深层句法或语义分析。
• 对输入句子进行浅层分析，为不完整或碎片化的表达分配结构信息，从而实现向目标语言结构的映射。
• 词汇转换规则将源语言的词袋和句法特征映射到对应的目标语言词袋，保留词序和语法功能。
• 使用语言特定的语法和词典生成正确的目标语言结构，西班牙语模块已实现，巴西葡萄牙语模块正在开发中。
• 系统将括号内容、呼语和感叹词单独处理，并根据目标语言的单语惯例放置其翻译。
• 评估采用人工判断翻译的可接受性，将结果分类为正确（是）、可接受但非理想（尚可）、不可接受（否）。

实验结果

研究问题

• RQ1 机器翻译系统如何有效处理电视字幕中非正式口语的句法和语义异常？
• RQ2 基于浅层分析和词汇转换的词汇主义方法，在处理非正式、碎片化表达时，能达到多大程度的可接受翻译性能？
• RQ3 在实时多模态环境中，广播中的视觉和上下文信息在多大程度上能弥补翻译中的不准确？
• RQ4 Shake and Bake 框架能否在低资源、高鲁棒性的环境下，实现有效扩展和模块化，以支持多语言部署？
• RQ5 在一个输入本质上模糊且依赖上下文的领域中，翻译准确率与鲁棒性之间的权衡是什么？

主要发现

• 系统实现了正确或可接受翻译的综合率为66.27%，其中38.46%被分类为正确，27.81%为可接受但非理想。
• 约84.5%的句子可使用S&B方法进行翻译，表明该方法对输入领域具有较强的覆盖能力。
• 系统成功将不规范和习语化的表达如'how you doing?'翻译为自然的西班牙语'qué tal está?'，展示了强大的词汇映射能力。
• 尽管存在语义不准确（例如，将过去分词'strangled'翻译为现在时主动态'estranguló'），但由于视觉上下文的存在，翻译的可接受性仍得以保持。
• 系统在处理某些复杂或模糊的短语结构时表现不佳，如'bag all the stuff on the bedside table?'和'that’s the only one i need.'，表明其在处理复杂或歧义性短语构造方面存在局限。
• 模块化设计使得西班牙语模块的开发高效，并且巴西葡萄牙语的开发工作正在进行中，支持快速扩展至更多语言。