[发明专利]用于机器翻译的数词和序号替换方法及系统

说明书

技术领域

本发明涉及计算机翻译领域，具体涉及用于机器翻译的数词和序号替换方法及系统。

背景技术

随着国际合作日益加强，无论是中国公司还是外国公司，在国际工程与国际科研的立项及开展过程中，都需要大量翻译工程、科研和法律等文件。同时，很多国内工程和科研项目也需要翻译相关文件以用于外资投资和国际银行贷款等。工程、科研和法律等文件中往往涉及大量的数词与序号，由于各种语言的差异，这些数词和序号的撰写方式往往有极大的区别，增大了数词和序号的翻译难度。

传统对数词和序号的翻译，往往采用人工翻译，费时费力，成本较高；而对数词和序号进行机器翻译时，多采用简单的直译，翻译的适用性差；如果为了提高翻译的适用性，针对一种语言制作相应的翻译方法，则翻译的通用性差，多语种翻译成本高。

发明内容

本发明所要解决的技术问题是对数词和序号进行机器翻译时，翻译的适用性和通用性差，多语种翻译成本高，目的在于提供用于机器翻译的数词和序号替换方法及系统，解决上述问题。

本发明通过下述技术方案实现：

用于机器翻译的数词和序号替换方法，包括以下步骤：S1：从语义库中选取与原句最相似的参考句，并选取出与参考句相匹配的参考译文；S2：判断原句与参考句不同处是否为序号或数词；S3：如果不同处为序号，根据参考句、参考译文和序号表对原句序号进行序号替换；如果不同处为数词，根据参考句、参考译文和数词表对原句数词进行数词替换。

现有技术中，对数词和序号进行机器翻译时，多采用简单的直译，翻译的适用性差，比如英语中，法律条文序号采用“(1)”这样的格式，机器翻译法律条文时，经常会将此序号直接翻译为“(1)”，而中国的法律条文采用“(一)”这样的用语方式；而针对一种语言制作的翻译方法只能用于这种语言，翻译的通用性差，如果需要对多语种进行数词和序号翻译，则需要制作多种翻译方法，翻译成本高。

本发明应用时，先从语义库中选取与原句最相似的参考句，并选取出与参考句相匹配的参考译文，然后判断原句与参考句不同处是否为序号或数词，如果不同处为序号，根据参考句、参考译文和序号表对原句序号进行序号替换；如果不同处为数词，根据参考句、参考译文和数词表对原句数词进行数词替换。本发明通过选取参考句、参考译文、序号表和数词表，将原文中的序号和数词替换为符合译文用语习惯的序号和数词，提高了翻译的适用性，而参考句、参考译文、序号表和数词表随着语言变化和用语环境变化而变化时，本发明就可以用于多种语言和用语环境，提高了翻译的通用性。

进一步的，步骤S1还包括以下子步骤：从语义库中选取与原句等长且WER值最小的句子作为与原句最相似的参考句；所述WER值为从原句修改成参考句所需要的最小步数；所述WER值采用莱温斯坦距离。

本发明应用时，选取与原句最相似的参考句时，选取与原句等长的句子，并通过计算WER值来选取最相似的参考句，与原句等长的参考句在与原句进行替换时，不需要考虑句子内容的删减，确保了替换位置的准确性，提高了本发明替换翻译的准确性。

进一步的，本发明还包括以下步骤：制作序号表和数词表；所述序号表包括序号类型和与序号对应的序号数值；所述数词表包括数词类型和与数词对应的数词数值。

本发明应用时，在使用序号表和数词表之前，根据需要制作序号表和数词表，制作的序号表包括序号类型和与序号对应的序号数值，制作的数词表包括数词类型和与数词对应的数词数值，这种对应的关系，结构清晰，可以在对序号数词进行替换翻译时提高替换的准确性。

进一步的，所述序号替换包括以下步骤：如果参考句序号、参考译文序号和原句序号全部属于序号表中的序号类型，则根据序号表计算原句序号的序号数值，并根据该序号数值和参考译文的序号类型在序号表中找到对应的序号替换原句序号；如果参考句序号、参考译文序号和原句序号中任意一项不属于序号表中的序号类型，且参考句序号、参考译文序号和原句序号都为多级阿拉伯数字，则对该原句序号不做改变；如果参考句序号、参考译文序号和原句序号中任意一项不属于序号表中的序号类型，也不是多级阿拉伯数字，则请求扩充序号表的序号类型。