英语论文网

大型在线词典 WordNet对翻译教学和实践的作用
摘要: 本文通过对比基于规则和基于语料库的机器翻译的利弊，首先介绍利用 WordNet3． 0 的同义词库对“crack”的词性和主要词义使用频率进行分析，同时使用 Google 的网络翻译工具调查该词语在词汇、结构以及整体可读性和忠实性的翻译层面是否地道常用。最后揭示“crack”的真实用法和使用规律并提出一定的可行措施来提高基于语料库的英汉翻译的质量。进而证明了基于语料库翻译方法在英汉翻译上的可行性。
关键词: 统计机器翻译; WordNet3． 0; 应用

一、引言
目前国内的机器翻译主要有两种模式，一种是基于规则的机器翻译。即语言学家将语法规则和字典输入计算机，计算机在根据语法规则进行翻译; 另一种是基于语料库的机器翻译，就是自然语言处理技术为基础，以知识本体作为支撑利用语义搜索进行机器翻译。随着谷歌，百度，网易进军在线翻译服务，市场布局呈现三足鼎立，但其网络翻译质量却差强人意，可懂性和忠实性较低。
基于语料库的机器翻译能否可以使机器翻译的质量达到一个新的高度，如果可以，那么怎样才能更好地改善其翻译质量等，这些问题都是本研究所探讨的问题。本研究首先从词汇、结构方面对 Systran 和 Google 的英汉机翻译本进行了比较，并根据 WordNet3． 0 的同义词库对“crack”的词性和主要词义使用频率的数据，同时使用Google 的网络翻译工具调查该词语在词汇、结构上的特征从而确定了基于语料库机器翻译的“可行性”。
二、研究背景回顾及基本概念：
语言是人类最重要的交际工具，人们交际信息的基本单位是概念，在语言中表现为词汇部分。人们能够顺利地进行交际是因为充分利用了词汇意义。随着语言的发展，词汇的丰富，与一个词搭配而成的意义越来越多。词义搭配，又称词汇模式，是指词素之间的横向组合，代写英语论文上升到词与词之间的横向组合，词与词横向组合搭配而成短语或分句，了解词义搭配对学习英语起着重要的作用。词义搭配是确定多义词正确意义的重要手段，多义词表明同一词语可以表达多种概念，它具有两个或两个以上相互有联系的固定意义，在不同的词组语境中表达不同的概念。如何理解某一个词在句中乃至全篇文章的意义，必须要注意词义的搭配，通过上下文获得某一个词在句中的确切含义［1］。
同一个词与不同的词语搭配形成不同的搭配意义。语义的重要性正如王寅所说: “语义是思维的体现者———是语言交际过程的中心”。但是对于“意义，目前尚没有一个全面的，被人们普遍接受的定义。迄今为止最为广泛接受的语义分类是英国语言学家杰弗里•利奇 ( G．Leech) 在他的《语义学》( Semantics) 一书中对“意义”所做的分类( Leech，1974) 。他将最广义的“意义”划分为七种不同的类型: 概念意义、内涵意义、社会意义、情感意义、反映意义、搭配意义和主题意义。学习一种语言，只理解词汇的概念意义，而对其联想意义一无所知或者一知半解，不能说真正掌握了语言，更不能说是对语言的正确运用了。
( 一) WordNet 介绍：
20 世纪以来，语言学家和心理学家们开始从一个崭新的角度来探索现代语言学知识结构以及特定的词典结构。Miller 和 Johnson － Laird 1976 提出，与语言的词法元素有关的研究应该称做心理词汇学。随着近十几年来语言学和心理学理论的发展，按照上述设想，Princeton 大学的一组心理词汇学家和语言学家于 1985 年开始承担起开发一部词典数据库的任务，这就是 WordNet。可以说，WordNet是一部基于心理语言学原理的词典。
此外，WordNet 是一部能够表达概念关系的语义词典，它是依据词义来组织词汇信息，利用同义词集合( Synaet)代表概念( Concept) ，语义关系在概念之间体现。它将英语词汇组织为一个同义词集合( Synaet) ，每个集合标明一个词汇概念，同时力图在概念间建立不同的指针，表达不同的语义关系。如: WordNet 中名词的组织依照上下位关系构造名词概念树，并且通过继承系统，构成一种层次关系( hierarchies) 。例如: 橡树－－－＞树－－－＞植物－－－＞生物。下位概念继承了它们上位概念的所有的属性。这样原本抽象的概念就构成了概念树，可以通过词汇意义来进行概念的推理和计算。
WordNet 是一部基于心理语言学原理的词典，因为它是按词汇的语义关系组织的，而这些语义关系已被证明在心理语言学层面上是真实可靠的。WordNet 提供了关于英语动词、名词、形容词、副词等主要词类的信息。其操作十分简便，使用者只需打开 WordNet 窗口后，键入所要查找的词语，就可立即阅读到对该词语的各个义项的释义、一些来自真实语料的例证，点击下拉菜单中的链接可查阅到该词语的同义反义词、上下位词以及该词语的使用频率情况( familiarity) 。WordNet 数据库可全免费使用，其下载快捷，操作和使用速度快、简单易懂，其内容十分丰富，是二语教学的理想辅助工具。
( 二) 机器翻译和统计机器翻译简介：
机器翻译( machine translation，MT) 是利用计算机把一种自然语言( 源语言) 翻译成另一种自然语言( 目标语言) 的过程［5］。用以完成这一过程的软件叫做机器翻译系统( machine translation system，MTS) 。代写英语论文根据翻译过程的自动化程度，机器翻译系统可分成全自动机器翻译( fully automatic machine translation，FAMT) 系统和机器辅助翻译 ( machine assisted translation，MAT) 系统。计算机的应用技术的不断发展让人们期待着能利用计算机辅助语言翻译，其中很重要的一种方法就是互联网引擎辅助翻译。
计算机辅助翻译的基本原理是利用翻译记忆自动重复使用翻译过的语句或语句成分，使译者免于重复翻译信息，从而提高翻译的效率和译文的质量。计算机辅助翻译经过多年的发展，包含有语料库辅助翻译、电子词典辅助翻译、网络辅助翻译、软件辅助翻译等多种形式。［2］。互联网搜索引擎辅助翻译是计算机辅助翻译的一种形式，通过利用搜索引擎为译者在海量的网络资源中快速寻找到适用的语句或语句成分，从而提高翻译的效率和准确性。译者应具有强的语言能力，从而能更有效地利用搜索引擎的辅助功能［6］。
统计机器翻译的思想最早来源于香农( Claude Shannon) 和韦弗( Warren Weaver) 的信息论。他认为可以通过统计方法来找出语言共性，发现共同语( universal language) ，从而为语言之间的互译提供了简便的途径，当然，他也承认需要巨大的工作量，但随着技术的发展，计算机在速度和容量上都有了大幅提高，大量的联机语料可供使用，因此在 20 世纪 90 年代，基于统计的机器翻译又兴盛起来。［3］1991 年，IBM 的 Brown 等人提出了基于信源信道思想的统计。机器翻译模型 Candide，应用于英法双语的互译，并且在实验中获得了初步的成功。此后从事统计机器翻译的有美国的 Language Weaver，Loto 等，而 Google 公司后来居上，通过上乘的翻译质量，为统计机器翻译赢得了荣誉和认可，也引起了科学家和公众对机器翻译的广泛关注。目前，统计机器翻译可以大致分为基于信源信道思想的统计机器翻译方法、基于句法结构的统计翻译模型。
三、案例分析
笔者主要借助 WordNet3． 0 对“crack”一词的词性，词义分类，和使用频率等方面进行了深入的分析揭示“crack”的真实用法和使用规律，同时利用 Google 调查词组搭配是否地道常用，以便选择“crack”在特定文本中的意义，