276 Chapter 8. 基于句法的模型 肖桐 朱靖波
8.4 小结及拓展阅读
自基于规则的方法开始，如何使用句法信息就是机器翻译研究人员关注的热点。
在统计机器翻译时代，句法信息与机器翻译的结合成为了最具时代特色的研究方向
之一。句法结构具有高度的抽象性，因此可以缓解基于词串方法不善于处理句子上
层结构的问题。
本章对基于句法的机器翻译模型进行了介绍，并重点讨论了相关的建模、翻译
规则抽取以及解码问题。从某种意义上说，基于句法的模型与基于短语的模型都同
属一类模型，因为二者都假设：两种语言间存在由短语或者规则构成的翻译推导，而
机器翻译的目标就是找到最优的翻译推导。但是，由于句法信息有其独特的性质，因
此也给机器翻译带来了新的问题。有几方面问题值得关注：
• 从建模的角度看，早期的统计机器翻译模型已经涉及到了树结构的表示问题
[283, 363]
。
不过，基于句法的翻译模型的真正崛起是在同步文法提出之后。初期的工作大
多集中在反向转录文法和括号转录文法方面
[343, 364, 365]
，这类方法也被用于短语获
取
[366, 367]
。进一步，研究者提出了更加通用的层次模型来描述翻译过程
[88, 368, 369]
，本
章介绍的层次短语模型就是其中典型的代表。之后，使用语言学句法的模型也
逐渐兴起。最具代表性的是在单语言端使用语言学句法信息的模型
[86, 87, 348, 370, 371, 372, 373]
，
即：树到串翻译模型和串到树翻译模型。值得注意的是，除了直接用句法信息定
义翻译规则，也有研究者将句法信息作为软约束改进层次短语模型
[374, 375]
。这类
方法具有很大的灵活性，既保留了层次短语模型比较健壮的特点，同时也兼顾
了语言学句法对翻译的指导作用。在同一时期，也有研究者提出同时使用双语
两端的语言学句法树对翻译进行建模，比较有代表性的工作是使用同步树插入
文法（Synchronous Tree-Insertion Grammars）和同步树替换文法（Synchronous
Tree-Substitution Grammars）进行树到树翻译的建模
[354, 376, 377]
。不过，树到树翻
译假设两种语言间的句法结构能够相互转换，而这个假设并不总是成立。因此
树到树翻译系统往往要配合一些技术，如树二叉化，来提升系统的健壮性。
• 在基于句法的模型中，常常会使用句法分析器完成句法分析树的生成。由于句
法分析器会产生错误，因此这些错误会对机器翻译系统产生影响。对于这个问
题，一种解决办法是同时考虑更多的句法树，从而增加正确句法分析结果被使
用到的概率。其中，比较典型的方式基于句法森林的方法
[378, 379]
，比如，在规
则抽取或者解码阶段使用句法森林，而不是仅仅使用一棵单独的句法树。另一
种思路是，对句法结构进行松弛操作，即在翻译的过程中并不严格遵循句法结
构
[362, 380]
。实际上，前面提到的基于句法软约束的模型也是这类方法的一种体
现
[374, 375]
。事实上，机器翻译领域长期存在一个问题：使用什么样的句法结构最
适合机器翻译？因此，有研究者尝试对比不同的句法分析结果对机器翻译系统
的影响
[381, 382]
。也有研究者面向机器翻译任务自动归纳句法结构
[383]
，而不是直
接使用从单语小规模树库学习到的句法分析器，这样可以提高系统的健壮性。
8.4 小结及拓展阅读 277
• 本章所讨论的模型大多基于短语结构树。另一个重要的方向是使用依存树进行
翻译建模
[384, 385, 386]
。依存树比短语结构树有更简单的结构，而且依存关系本身
也是对“语义”的表征，因此也可以扑捉到短语结构树所无法涵盖的信息。同
其它基于句法的模型类似，基于依存树的模型大多也需要进行规则抽取、解码
等步骤，因此这方面的研究工作大多涉及翻译规则的抽取、基于依存树的解码
等
[387, 388, 389, 390, 391]
。此外，基于依存树的模型也可以与句法森林结构相结合，对
系统性能进行进一步提升
[392, 393]
。
• 不同模型往往有不同的优点，为了融合这些优点，系统融合是很受关注的研究
方向。某种意义上说，系统融合的兴起源于本世纪初各种机器翻译比赛。因为
当时提升翻译性能的主要方法之一就是将多个翻译引擎进行融合。系统融合
的出发点是：多样的翻译候选有助于生成更好的译文。系统融合的思路很多，
比较简单的方法是假设选择（Hypothesis Selection），即从多个翻译系统的输
出中直接选择一个译文
[394, 395, 396]
；另一种方法是用多个系统的输出构建解码格
（Decoding Lattice）或者混淆网络（Confusion Networks），这样可以生成新的翻
译结果
[397, 398, 399]
；此外，还可以在解码过程中动态融合不同模型
[400, 401]
。另一方
面，也有研究者探讨如何在一个翻译系统中让不同的模型进行互补，而不是简
单的融合。比如，可以控制句法在机器翻译中使用的程度，让句法模型和层次
短语模型处理各自擅长的问题
[402]
。
• 语言模型是统计机器翻译系统所使用的重要特征。但是，即使引入 n-gram 语
言模型，机器翻译系统仍然会产生语法上不正确的译文，甚至会生成结构完全
错误的译文。对于这个问题，研究者尝试使用基于句法的语言模型。早期的探
索有 Charniak 等人
[403]
和 Och 等人
[313]
的工作，不过当时的结果并没有显示出
基于句法的语言模型可以显著提升机器翻译的品质。后来，BBN 的研究团队提
出了基于依存树的语言模型
[404]
，这个模型可以显著提升层次短语模型的性能。
除此之外，也有研究工作探索基于树替换文法等结构的语言模型
[405]
。实际上，
树到树、串到树模型也可以被看作是一种对目标语言句法合理性的度量，只不
过目标语言的句法信息被隐含在翻译规则中。这时，可以在翻译规则上设计相
应的特征，以达到引入目标语句法语言模型的目的。