[發(fā)明專利]一種供機(jī)器語言翻譯的通用數(shù)碼語義庫

有效

• 申請(qǐng)?zhí)枺?/td>: 200810011904.9
• 申請(qǐng)日: 2008-06-19
• 公開（公告）號(hào): CN101303692A
• 公開（公告）日: 2008-11-12
• 發(fā)明（設(shè)計(jì)）人: 徐文和
• 申請(qǐng)（專利權(quán)）人: 徐文和
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/28
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域：

本發(fā)明涉及各種語言機(jī)器翻譯，尤其是用于機(jī)器的數(shù)碼語言語義 庫。

背景技術(shù)：

目前語言機(jī)器翻譯所使用的依據(jù)為字庫(GB2312)與詞庫 (GB1375)，詞庫的主要內(nèi)容來源是詞典，從編碼程序所使用的無論 音碼、形碼、音形碼都是詞典的特征。而詞典，歷來是為人服務(wù)的， 只作參考，判斷、選擇學(xué)習(xí)使用，以它為基礎(chǔ)，就需要使機(jī)器具有像 人一樣的思維判斷能力。現(xiàn)有辦法是設(shè)置各種技術(shù)參數(shù)，識(shí)別模塊和 矢量模塊，由于語言是一門相當(dāng)復(fù)雜的科學(xué)，專家們都說是扯不斷理 還亂，很難通過一些設(shè)置的語義樹、實(shí)量剪枝、虛量剪枝各種參數(shù)等 技術(shù)過程解決所有的問題，所以最終翻譯的效果可想而知。

目前的機(jī)器智能有限，自然語言信息處理的主要目的是使機(jī)器懂 得和理解人類的自然語言，也就是使機(jī)器能模擬人類的語言機(jī)制，而 目前階段寄希望機(jī)器能達(dá)到與人類一樣智商是極不現(xiàn)實(shí)的。

目前普遍采用的技術(shù)是提取原文與詞庫比對(duì)切分，根據(jù)詞生成語 義單元表示庫(樹)將識(shí)別詞展開進(jìn)行語義分析、剪切、選擇最后確 定語義，稱之謂基于語義翻譯。下面引用申請(qǐng)?zhí)枺?00310011433.X 一段原文“提取原文一句：根據(jù)語義單元表示庫(樹)，對(duì)該句進(jìn)行

分析，從而得到該句的句義表達(dá)式，根據(jù)語義單元表示庫，將該 句義表達(dá)式用目的的語種(目的語種詞庫)的表達(dá)展開，將展開后的 句子作為譯文輸出”(說明書第一頁第二十行開始至二十三行)本段 內(nèi)容揭示目前所有語言翻譯普遍采用的方法。

眾所周知，語言是由詞組成的，詞是由音、形、義構(gòu)成的，其中 音與形是各語種特征，而義是在各語種之間通用的，只有義的存在各 語種之間才能互通。如果只把義存儲(chǔ)在機(jī)器內(nèi)，任何語種只要把音與 形貼上去，就成為任何語種的完整語言了。

單純的義盡管能在各種語言之間隨意互換還遠(yuǎn)不能達(dá)到翻譯的 目的，還要適用各語種自己的語言習(xí)慣，這就需要語種之間通過句法 關(guān)系調(diào)整，而句法關(guān)系又需要每個(gè)詞詞性特征、語義特征、語言環(huán)境， 沒有這些句法關(guān)系是無法實(shí)現(xiàn)的。

針對(duì)上述情況，本發(fā)明提供了一種綜合解決方法。

發(fā)明內(nèi)容：

本發(fā)明的一個(gè)方面，提供用于機(jī)器語言翻譯的數(shù)碼語義庫的數(shù) 碼，是由阿拉伯?dāng)?shù)碼組成、縱向分為若干個(gè)檔次，第一檔為兩位數(shù)， 從00～99，第二檔為四位數(shù)從0000～9999，它是第一檔次任何一組 數(shù)值擴(kuò)大100倍，以此類推，每增加一檔次都增兩位數(shù)，具體表示如 下：例第一檔次中的99在第二檔下分9900～9999，同樣第二檔次9999 在第三檔次下分999900～999999，如果共設(shè)九個(gè)檔次，那么共含有 100億億個(gè)數(shù)碼組，也就說可設(shè)100億億個(gè)語義點(diǎn)。也可以用字母表 示或符號(hào)表示，第一檔AA、AB、AC……，第二檔AAAA、AAAB、AAAC……， 第三檔AAAAAA、AAAAAB、AAAAAC……。每檔次可以是1位數(shù)，也可 以是三位數(shù)，位數(shù)少檔次多、位數(shù)多檔次少。

本發(fā)明的另一個(gè)方面，提供的一種供機(jī)器語言翻譯應(yīng)用數(shù)碼語言 語義庫，語義庫內(nèi)的語義，沒有語音標(biāo)識(shí)語義，也沒有字型標(biāo)識(shí)語義， 只有數(shù)碼組供機(jī)器識(shí)別、運(yùn)算，所以稱為機(jī)器數(shù)碼語言。以語義為識(shí) 別目的的語義庫，語義庫內(nèi)容是由若干個(gè)語義單元組成，每個(gè)語義單 元只有一個(gè)語義，也就是本發(fā)明稱之謂基本語義點(diǎn)。由于沒有音碼、 形碼，只有語義，所以本語義庫內(nèi)的基本語義點(diǎn)只要與任何一種語言 的語義點(diǎn)相同，該語種相對(duì)應(yīng)的音、形即為該語種語言。

本發(fā)明的另一個(gè)方面，提供了一種機(jī)器識(shí)別每個(gè)基本語義點(diǎn)的外 部特征——即詞性特征、背景領(lǐng)域的方法，本發(fā)明對(duì)每個(gè)基本語義點(diǎn) 都配有一組數(shù)碼，縱向的數(shù)碼排列設(shè)立若干個(gè)檔，第一檔兩位數(shù)，在 這范圍內(nèi)基本語義點(diǎn)代表最高領(lǐng)域和最大詞性區(qū)，每增加兩位數(shù)為下 一個(gè)檔次，在這一范圍內(nèi)基本語義點(diǎn)是上一檔次領(lǐng)域所屬范圍，其詞 性特征為中詞性區(qū)或者小詞性區(qū)，同檔次內(nèi)只有最后兩位數(shù)之間數(shù)值 差，在這一范圍內(nèi)所有基本語義點(diǎn)、語義相近、詞性相同領(lǐng)域相同， 因此彼此被稱為并列關(guān)系。模向不同檔次之間差別是第一位數(shù)不同， 在這一范圍內(nèi)，所有的基本語義點(diǎn)詞性不同領(lǐng)域不同，不同檔次之間 關(guān)系被稱為交叉關(guān)系。