李蓉 1，周美麗 2

（1.延安大學(xué)西安創(chuàng)新學(xué)院，陜西 西安 710100；2.延安大學(xué)，陜西 延安 716000）

摘要：在語(yǔ)言翻譯方面，人工翻譯的速度比較慢，越來(lái)越不能適應(yīng)當(dāng)前社會(huì)發(fā)展的快速需求。因此，需要有新技術(shù)代替人工翻譯，以開發(fā) AI 為基礎(chǔ)，實(shí)現(xiàn)快速、準(zhǔn)確、高效的機(jī)器翻譯。針對(duì)傳統(tǒng)機(jī)器自動(dòng)翻譯系統(tǒng)在翻譯過(guò)程中準(zhǔn)確率較低的問(wèn)題，為了提高機(jī)器自動(dòng)翻譯的速度和準(zhǔn)確性，該文提出基于人工智能處理器設(shè)計(jì)的機(jī)器自動(dòng)翻譯系統(tǒng)設(shè)計(jì)。通過(guò)客戶端結(jié)構(gòu)設(shè)計(jì)和人工智能處理器設(shè)計(jì)，完成系統(tǒng)的硬件設(shè)計(jì)；依托句子相似度的計(jì)算和消除句子歧義，完成系統(tǒng)的軟件設(shè)計(jì)，從而實(shí)現(xiàn)機(jī)器自動(dòng)翻譯系統(tǒng)的設(shè)計(jì)。測(cè)試結(jié)果表明，基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)，相比于基于文本庫(kù)的機(jī)器自動(dòng)翻譯系統(tǒng)，在句子翻譯速度和準(zhǔn)確率方面都有所提高。

中圖分類號(hào)：TN915?34；TP391? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004?373X（2022）02?0183?04

0 引 言

如今即使手工翻譯可以完整地將原文表達(dá)出來(lái)，但是隨著文獻(xiàn)資源的增多，人工翻譯的速度變得越來(lái)越慢。機(jī)器自動(dòng)翻譯是加快文本翻譯的重要手段，機(jī)器自動(dòng)翻譯分為基于文本庫(kù)和基于翻譯規(guī)則，基于文本庫(kù)的機(jī)器自動(dòng)翻譯需要大量的文本資源來(lái)構(gòu)建文本信息資源庫(kù)，而且文本資源在組成資源庫(kù)時(shí)經(jīng)常出現(xiàn)文本數(shù)據(jù)密集和稀疏的問(wèn)題，在翻譯少見詞匯時(shí)缺乏精準(zhǔn)度[1]；基于翻譯規(guī)則的機(jī)器自動(dòng)翻譯可以將文本內(nèi)容清楚地描述出來(lái)，但是規(guī)則庫(kù)的構(gòu)建存在一定難度，翻譯時(shí)很難達(dá)到較好的翻譯成果[2]?；谏鲜鰞煞N翻譯系統(tǒng)存在的問(wèn)題，本文將人工智能技術(shù)應(yīng)用到機(jī)器自動(dòng)翻譯系統(tǒng)設(shè)計(jì)中。機(jī)器自動(dòng)翻譯的主要目的就是消除歧義語(yǔ)句，針對(duì)一個(gè)詞語(yǔ)，在不用的語(yǔ)境下會(huì)被翻譯成不同的意思，因此在人工智能技術(shù)的基礎(chǔ)上，讓機(jī)器在不同的語(yǔ)境條件下，自動(dòng)找到該詞語(yǔ)的真正對(duì)應(yīng)的意思是機(jī)器翻譯亟需解決的關(guān)鍵問(wèn)題。機(jī)器自動(dòng)翻譯系統(tǒng)的文本翻譯質(zhì)量雖然還沒(méi)有達(dá)到人工翻譯的程度，但是如今已經(jīng)在社會(huì)上的各個(gè)鄰域都得到了廣泛的應(yīng)用[3]。機(jī)器自動(dòng)翻譯系統(tǒng)作為人工翻譯的補(bǔ)充和修正，在一定條件下可以提高翻譯人員的工作效率，并提高了翻譯的準(zhǔn)確度，早已經(jīng)成為翻譯人員的得力助手?，F(xiàn)如今，各個(gè)民族和國(guó)家之間的文化交流比較頻繁，語(yǔ)言上的不通已經(jīng)成為阻礙民族與民族之間、國(guó)家與國(guó)家之間溝通的障礙[4]，為了促進(jìn)文化知識(shí)的溝通和交流，在人工智能技術(shù)的基礎(chǔ)上，設(shè)計(jì)機(jī)器自動(dòng)翻譯系統(tǒng)對(duì)國(guó)家和民族的發(fā)展有著積極作用。

1 大學(xué)人力資源管理系統(tǒng)硬件設(shè)計(jì)

1.1 客戶端結(jié)構(gòu)設(shè)計(jì)

客戶端結(jié)構(gòu)設(shè)計(jì)可以讓用戶通過(guò)上傳圖片來(lái)獲取翻譯內(nèi)容，省去了用戶打字的時(shí)間，提高了翻譯的速度和準(zhǔn)確率。用戶可以選擇通過(guò)手機(jī)拍照軟件，來(lái)捕獲需要翻譯的文字內(nèi)容，以圖片的形式將翻譯內(nèi)容上傳到云端服務(wù)器[5]；還可以直接從本機(jī)圖庫(kù)中選擇提前拍攝好的文字圖片，再將圖片上傳到云端服務(wù)器，并在翻譯系統(tǒng)的設(shè)置選項(xiàng)中，完成攝像頭的對(duì)焦和閃光設(shè)置，在用戶需求的情況下，還要設(shè)置需要識(shí)別的語(yǔ)言。然后將選擇好的圖片利用HTTP協(xié)議上傳到系統(tǒng)云端服務(wù)器，并由部署在云端服務(wù)器上的OCR軟件，將圖片識(shí)別成可以進(jìn)行編輯的文本內(nèi)容[6]。通過(guò)調(diào)用Google翻譯來(lái)執(zhí)行翻譯工作，最終將識(shí)別出來(lái)的源語(yǔ)言文本內(nèi)容翻譯出目標(biāo)語(yǔ)言文本內(nèi)容，并將目標(biāo)語(yǔ)言文本內(nèi)容返回給客戶端。用戶可以對(duì)客戶端接收的源語(yǔ)言文本內(nèi)容以及目標(biāo)語(yǔ)言文本內(nèi)容進(jìn)行相應(yīng)的編輯操作，或者對(duì)文本內(nèi)容中感興趣的部分在互聯(lián)網(wǎng)上搜索[7]?？蛻舳斯ぷ髁鞒淌疽鈭D如圖1所示。

結(jié)合客戶端的需求分析和工作流程，可以將客戶端的功能分為圖片保存、拍照、圖片編輯、在線搜索、設(shè)置語(yǔ)言類型、翻譯文本保存等?？蛻舳说墓δ芙Y(jié)構(gòu)見圖2。

以縮短用戶獲取目標(biāo)翻譯本文的時(shí)間、提高翻譯準(zhǔn)確性為目的，對(duì)采集到的文本內(nèi)容進(jìn)行簡(jiǎn)單處理，并向服務(wù)器發(fā)送翻譯請(qǐng)求，將采集到的圖片信息傳輸給服務(wù)器，完成客戶端的結(jié)構(gòu)設(shè)計(jì)。

1.2 人工智能處理器設(shè)計(jì)

在服務(wù)端的所有組件中，人工智能處理屬于計(jì)算密集型的處理器，也是整個(gè)系統(tǒng)應(yīng)用性能的瓶頸。因此，需要多臺(tái)人工智能處理器并行處理用戶的服務(wù)請(qǐng)求，人工智能處理器的數(shù)量是根據(jù)用戶請(qǐng)求的數(shù)量確定的，處理器數(shù)量越多，翻譯的速度就越快。人工智能技術(shù)作用于包含待識(shí)別文本信息的數(shù)字圖像，預(yù)處理數(shù)字圖像后，利用文本信息的定位、分割和提取算法，將待識(shí)別的文本信息提取出來(lái)[8]，通過(guò)模式識(shí)別算法完成提取文本信息形態(tài)特征的分析，最后得到目標(biāo)文本信息的標(biāo)準(zhǔn)編碼，將結(jié)果輸出[9]。人工智能處理流程如圖 3所示。

人工智能處理器的功能實(shí)現(xiàn)是基于Tesseract?OCR2.3，它是一個(gè)在實(shí)驗(yàn)室內(nèi)開發(fā)的人工智能引擎，谷歌對(duì)Tesseract?OCR2.3進(jìn)行了優(yōu)化，使得它已經(jīng)成為人工智能領(lǐng)域中精度最高的開源引擎，可以支持中文，使用命令行方式調(diào)用[10]。人工智能處理器的結(jié)構(gòu)如圖4所示。

基于用戶需求分析，設(shè)計(jì)客戶端的工作流程，結(jié)合客戶端的需求分析，完成客戶端的結(jié)構(gòu)設(shè)計(jì)；利用人工智能技術(shù)確定人工智能處理流程，通過(guò)人工智能處理的實(shí)現(xiàn)，完成人工智能處理器的結(jié)構(gòu)設(shè)計(jì)，從而實(shí)現(xiàn)系統(tǒng)的硬件設(shè)計(jì)。

2 大學(xué)人力資源管理系統(tǒng)軟件設(shè)計(jì)

2.1 計(jì)算句子相似度

句子相似度算法先根據(jù)詞性特性對(duì)相似的句子進(jìn)行粗選，然后進(jìn)一步精細(xì)選擇，再計(jì)算句子的相似度。該方法雖然考慮句子中每一個(gè)詞的詞頻特征，也對(duì)詞語(yǔ)賦予了不同的權(quán)值，但是缺乏詞語(yǔ)黏著性，造成長(zhǎng)句子或者詞頻低的句子相似度的計(jì)算偏差大[11]，反而降低了系統(tǒng)的翻譯速度。計(jì)算句子相似度時(shí)先利用倒排索引文件獲取句子的編號(hào)，利用編號(hào)得到將要計(jì)算的句子內(nèi)容[12]。相似度計(jì)算流程如圖5所示。

根據(jù)句子相似度計(jì)算流程，將已經(jīng)選擇好的n個(gè)句子相似度計(jì)算結(jié)果上傳到相似句子組合模塊中[13]，句子相似度計(jì)算公式為：

式中：Words(A)表示輸入句子A的單詞集合；Wordsi(A）表示單詞集合中的第i個(gè)元素；Len ( )表示字符串長(zhǎng)度；Sim Word(A,B)表示詞形相似度。詞形相似度計(jì)算可以提高句子翻譯的質(zhì)量。

2.2 消除句子歧義

句子歧義的消除可以提高機(jī)器自動(dòng)翻譯的準(zhǔn)確性，實(shí)現(xiàn)機(jī)器自動(dòng)翻譯。一方面是由詞性引起的歧義，同一個(gè)單詞可能會(huì)具有不同的詞性，也使得翻譯出來(lái)的意思不同[14]；另一方面是由于同一個(gè)單詞在不同的語(yǔ)境中，翻譯出來(lái)的意思也是不同的。針對(duì)消除由詞性引起的句子歧義，先分清單詞的詞性，本文利用上文計(jì)算的相似度對(duì)單詞進(jìn)行詞性標(biāo)注，根據(jù)標(biāo)注后的詞性確定該單詞在句子中的實(shí)際含義，消除了歧義，完成整句翻譯[15]。針對(duì)語(yǔ)境不同引起的句子歧義，需要利用本體來(lái)消除歧義，首先遍歷所要翻譯的句子，將每一個(gè)單詞在領(lǐng)域詞典中查找，如果可以在詞典中查找到，就可以認(rèn)為該詞在特殊詞義領(lǐng)域內(nèi)，可以賦予其特定的含義，這樣就完成了歧義消除，實(shí)現(xiàn)機(jī)器自動(dòng)翻譯。綜上所述，依托客戶端的結(jié)構(gòu)設(shè)計(jì)和人工智能處理器設(shè)計(jì)，完成了系統(tǒng)的硬件設(shè)計(jì)；基于句子相似度的計(jì)算和歧義的消除，完成了系統(tǒng)的軟件設(shè)計(jì)，從而實(shí)現(xiàn)了機(jī)器自動(dòng)翻譯系統(tǒng)的設(shè)計(jì)。

3 仿真測(cè)試 3.1 測(cè)試方法及步驟分析 ? 為了驗(yàn)證基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)的有效性，本文對(duì)常見的英文句型進(jìn)行了測(cè)試。系統(tǒng)在測(cè)試時(shí)從句子資源庫(kù)中隨機(jī)抽取了50個(gè)句子進(jìn)行翻譯測(cè)試。測(cè)試的步驟如下：

1）選擇待翻譯句子，如：Foxen is a famous winery.

2）標(biāo)注每一個(gè)單詞的詞性并將詞型還原，分清句子中每一個(gè)單詞的具體類型以及單詞的原型，如表1所示。

3）消除歧義。在本體詞典中，F(xiàn)oxen 和 winery 都會(huì)出現(xiàn)，而單詞 Foxen是單詞 winery的一個(gè)個(gè)體，因此完全可以認(rèn)為兩個(gè)單詞都存在于詞語(yǔ)資源庫(kù)中。

4）得到對(duì)應(yīng)的漢語(yǔ)詞匯，如表2所示。

5）句法分析。利用人工智能技術(shù)構(gòu)建語(yǔ)法樹，如圖6所示。

6）選擇句子翻譯模板。通過(guò)分析句子語(yǔ)法樹得出，待翻譯句子是由“名詞+動(dòng)詞+名詞”組成，而在動(dòng)詞方面選擇的是系動(dòng)詞，構(gòu)成了“主系表”結(jié)構(gòu)，語(yǔ)序與英文一致，因此可以直接翻譯。

7）得出翻譯結(jié)果。

3.2 實(shí)驗(yàn)結(jié)果分析

利用上述的實(shí)驗(yàn)方法和步驟，得到下列實(shí)驗(yàn)結(jié)果，如圖7所示。

從實(shí)驗(yàn)結(jié)果中可以得出，相同時(shí)間內(nèi)，基于文本庫(kù)的機(jī)器自動(dòng)翻譯系統(tǒng)在翻譯句子時(shí)，只能翻譯出兩個(gè)英語(yǔ)單詞，且在翻譯準(zhǔn)確率方面，也會(huì)出現(xiàn)翻譯不完全的現(xiàn)象；而基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)在翻譯句子時(shí)，可以將整個(gè)句子完整地翻譯出來(lái)，不會(huì)丟下任何一個(gè)簡(jiǎn)單或復(fù)雜的單詞，且在翻譯準(zhǔn)確率方面，可以將整個(gè)句子準(zhǔn)確地翻譯出來(lái)。因此可以得出基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)，相比于基于文本庫(kù)的機(jī)器自動(dòng)翻譯系統(tǒng)具有較快的翻譯速度和較高的準(zhǔn)確度。

4 結(jié) 語(yǔ)

本文提出基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)設(shè)計(jì)。依托機(jī)器自動(dòng)翻譯系統(tǒng)的硬件設(shè)計(jì)和軟件設(shè)計(jì)，實(shí)現(xiàn)了本文的研究。結(jié)果表明，基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)，相比于基于文本庫(kù)的機(jī)器自動(dòng)翻譯系統(tǒng)在句子翻譯速度和準(zhǔn)確率方面都有所提高。希望本文的研究可以為基于人工智能技術(shù)的機(jī)器自動(dòng)翻譯系統(tǒng)設(shè)計(jì)提供理論依據(jù)。

參 考 文 獻(xiàn)

[1] 羅華珍，潘正芹，易永忠 . 人工智能翻譯的發(fā)展現(xiàn)狀與前景分析[J].電子世界，2017（21）：21?23.

[2] 邢蕾 .英漢機(jī)器翻譯中譯文自動(dòng)生成系統(tǒng)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2018，41（24）：86?89.

[3] 張睿 .基于短語(yǔ)相似度的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)設(shè)計(jì)[J].自動(dòng)化與儀器儀表，2017（8）：66?67.

[4] 鄭錦龍，林國(guó)銘，孫永 . 穿戴式手語(yǔ)識(shí)別翻譯系統(tǒng)[J]. 通訊世界，2017（7）：238?239.

[5] 張勝剛，艾山·吾買爾，吐爾根·依布拉音，等 .基于神經(jīng)網(wǎng)絡(luò)的維漢翻譯系統(tǒng)實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2018，41（24）：157?161.

[6] 劉洋 .神經(jīng)機(jī)器翻譯前沿進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展，2017，54（6）：1144?1149.

[7] 艷萍 . 淺談氣象服務(wù)產(chǎn)品漢蒙自動(dòng)翻譯系統(tǒng)[J]. 文存閱刊，2018（4）：191.

[8] 梁亞敏，梁利利 .基于智能手機(jī)的英語(yǔ)輔助翻譯學(xué)習(xí)系統(tǒng)構(gòu)建[J].自動(dòng)化與儀器儀表，2018（8）：142?144.

[9] 黃政豪，崔榮一 .基于術(shù)語(yǔ)自動(dòng)抽取的科技文獻(xiàn)翻譯輔助系統(tǒng)的設(shè)計(jì)[J].延邊大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，43（3）：259?263.

[10] 徐英卓，賈歡 .基于樹結(jié)構(gòu)的本體概念相似度計(jì)算方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（3）：275?279.

[11] 李峰，侯加英，曾榮仁，等 . 融合詞向量的多特征句子相似度計(jì)算方法研究[J].計(jì)算機(jī)科學(xué)與探索，2017，11（4）：608?618.

[12] 彭琦，朱新華，陳意山，等 . 基于信息內(nèi)容的詞林詞語(yǔ)相似度計(jì)算[J].計(jì)算機(jī)應(yīng)用研究，2018，35（2）：400?404.

[13] 熊明明，李英，郭劍毅，等 .基于 CRFs和歧義模型的越南語(yǔ)分詞[J].數(shù)據(jù)采集與處理，2017，32（3）：636?642.

[14] 熊明明，劉艷超，郭劍毅，等 . 基于最大熵模型的越南語(yǔ)交叉歧義消解[J].中文信息學(xué)報(bào)，2017，31（4）：63?69.

[15] 余倩 . 基于特征提取算法的交互式英漢翻譯系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)，2018，41（4）：161?163.

作者簡(jiǎn)介： 李??蓉（1983—），女，陜西西安人，碩士，講師，主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用、翻譯系統(tǒng)設(shè)計(jì)。 周美麗（1981—），女，陜西橫山人，碩士研究生，副教授，主要從事信號(hào)檢測(cè)、圖像處理等方面的研究工作。

編輯：黃飛

?