基于模糊层次分析法的英语在线翻译自动评分研究

李婧璇

(桐城师范高等专科学校 旅游与公共管理系,安徽 桐城 231400)

在国内外文化不断融合的今天,越来越多的行业与场景需要语言翻译.根据语言的使用率研究结果可知,在日常的生活中,经常出现需要对英语进行在线翻译的情况[1-2].因而,近年来电子词典翻译行业势头发展越来越迅猛.随着语言的普及以及人们对语言翻译需求的不断增加,翻译软件不断优化成为翻译市场的刚需.在对软件展开优化前,通常采用评分的形式对在线翻译软件进行打分,获取软件的翻译分值,并根据软件分值的薄弱部分展开优化.在以往的评分过程中,原有的评分方法对于英语在线翻译评分指标的获取较为笼统,没有对翻译评分指标划分合理的层次,时常造成评分结果出现误差的问题[3-5].针对原有方法在使用过程中出现的问题,引用模糊层次分析法对原有评分方法进行改进,设计基于模糊层次分析法的英语在线翻译自动评分方法.

模糊层次分析法是一种定性与定量相结合的系统分析方法,这种方法对于量化评价指标,选择最优方法提供依据,并得到广泛的应用.使用此方法可将英语在线翻译自动评分方法设定为多层级的结构,提升评分过程中的整体性,保证评分结果的精准度.在此次方法设计中,将对评分中使用的指标以及指标层次展开合理的划分,确保指标符合模糊评价层次方法的使用需求.在完成方法设计后,构建方法测试环节,获取此方法与原有评分方法的使用区别.

1 英语在线翻译自动评分方法设计

图1 英语在线翻译自动评分方法设计流程

针对原有评分方法的使用问题,对原有方法中的薄弱部分加以分析,根据分析结果结合模糊层级分析方法,完成此次设计.具体方法设计流程如图1所示.

根据图1流程,完成自动评分方法的设计过程.在此设计中,将评分方法设计为3部分,分别为翻译信息处理部分、评分指标获取部分以及自动评分部分.通过上述3部分实现自动评分方法的使用效果.

1.1 构建在线翻译信息资料库

英语在线翻译获取的信息中一部分为文本信息,一部分为语音信息[6-7].在传统的评分方法中将以上两部分信息采用同样的处理方法提取评分指标的对应内容.在此次设计中,采用原有方法的信息处理方法完成文本部分信息的处理过程,并着重设计语音部分的信息处理方法.

在线翻译中的语音是一种虚拟的信号,需要模数转化数字信号后才能完成计算处理[8-10].首先对语音信息进行采样然后完成量化处理并存储.将存储的信息展开预处理.在语音信息的预处理过程中包括预加重、分帧、加窗以及端点检测.通过语音信息的预处理,消除在线翻译信息中的混叠、高次谐波失真等状况,避免采集语音信号的设备对信号质量带来的影响.将完成预处理后的语音信息转换为图2方式表示.

图2 语音翻译信息预处理结果

图3 语音信息滤波过程

采用Wiener滤波器对预处理后的信息进行降噪.设定预处理后的信号在一点时间内的观测序列如下：

a(t)=ad(t)+an(t),t=t0,t1,…,tn

(1)

在式(1)中,ad(t)为有效信号[11],an(t)为噪声信号,t为时间序列.设定此次设计中,引用的滤波器系数为l(t),fa(t)为经过过滤后的信号.设定此次滤波结果期望值为无限接近ad(t),则有：

(2)

过滤信号与期望信号的误差可以表示如下：

β(t)=|f(x)-a(t)|

(3)

将以上公式进行整合可得出信息滤波标准,采用均方误差α(t),则有：

α(t)=E[β(t)2]

(4)

图4 英语在线翻译模糊层次分析模型结构

采用上述公式完成对语音信息的滤波控制,将完成滤波后的信息数据与文本信息数据存储至相同的数据库内.将数据内的信息经过进一步的处理,提取信息数据中的特征参数.具体过程设定如图3：

完成提取后的数据信息采用数据表的形式存储到数据库内,设定数据库为此次自动评分方法中的信息资料库,资料库内的信息为评分指标的对应内容.

1.2 引用模糊层次分析法提取评分指标

采用在线翻译信息资料库中的信息数据内容,根据英语在线翻译的相关内容,构建模糊层次分析模型结构,具体模型结构如图4.

根据图4模型,将英语在线翻译评分指标采用指标体系的形式显示,指标系统分为宏观指标[12]和微观指标[13]两部分.将其通过表格的形式体现如表1.

使用表1指标作为英语在线翻译评分的指标体系,结合上述数据资料库,完成对评分内容的层次划分.采用划分结果实现英语在线翻译自动评分.

1.3 构建自动评分模型

采用上述指标参数构建英语在线翻译自动评分模型,为保证评分模型具有一定的置信度,在构建模型前,制定评分标准,此次评分标准依据英语四、六级翻译标准[14-15]设定,具体评分标准设定如表2.

采用表2评分标准作为自动评分模型的评分依据,通过评分依据可知,在英文在线翻译中需要对其语义与语句进行评分.因而,在此次评分模型的设计中,选用N-Gram相似性算法作为模型的构建基础.设定在线翻译数据库为A,标准翻译结果数据库为B,设定A与B为N-Gram对,且S(a,b)=0.通过以上设定可得出两者之间的相似性为：

S(a,b)=max(S(ai+N-1,j+N-1)+S(a,b))

(5)

式(5)中,i与j满足A与B中至少包含一个N-Gram对,则有相似度公式为：

Sn(a,b)=max(Sn(am-1,n),Sn(am,n-1),Sn(am-n,n-n))

(6)

表1 英语在线翻译评分指标

表2 评分标准

通过式(6)获取在线翻译结果与标准翻译结果的相似度.通过以上公式,可获取评分结果的计算公式,具体如下所示.

(7)

通过式(7),获取在线翻译评分结果.为保证此次评分具有更高的精度,设定评分系数为0.5.使用这种设定使评分模型更加适用于英语在线翻译的自动评分要求.具体模型如下所示：

(8)

通过式(8),完成评分结果的计算.在此次方法设计中,着重对指标的提取部分展开优化,确保评分结果的精度.至此,基于模糊层次分析法的英语在线翻译自动评分方法设计完成.

2 方法测试

通过上述部分,完成基于模糊层次分析法的英语在线翻译自动评分方法的设计工作.为对其展开更加细致的使用效果研究,采用对比实验的方法,对比文中设计方法与原有评分方法的使用效果.

2.1 方法测试平台

在原有方法的使用过程中,时常出现由于评分内容层次划分模糊造成的评分结果失真问题,针对上述问题,设定此次实验的对象为原有方法与文中设计方法的评分结果的精准度.为保证此次实验过程中,不会发生由于设备选定造成的实验结果可靠性下降情况.设定实验中所用设备如表3所示.

表3 实验设备设定

表4 实验样本

采用上述设备完成对实验平台的构建,此次实验将在数字信息实验室完成,具体实验室环境如图5所示.

图5 实验环境

图6 实验结果对比

采用以上实验环境,完成此次实验的实施过程.获取实验结果,完成原有方法与文中设计方法的对比.

2.2 方法测试样本

设定此次实验中的实验样本为5种不同翻译软件翻译出的部分信息数据集,通过原有方法与文中设计方法对实验样本进行评分,对比两者评分的精准度.详见表4.

将表4样本输入至实验平台,使用原有方法与文中设计方法评分过程,并与实验平台中设定的标准评分结果对比,获取评分准确率.

2.3 方法测试结果

通过图6设定完成原有方法与文中设计方法评分精准度的获取工作,具体实验结果如图6.

通过上述实验结果可知,文中设计评分方法的评分结果精准度优于原有方法评分结果精准度.文中设计方法的评分结果较为稳定,原有方法的评分结果精准度波动较大,易造成评分结果可信度下降.通过实验结果可知,采用模糊层次分析方法可有效提升评分结果的精准度.在原有方法的使用过程中,评分结果的最高精准度为87.21%,文中方法的最低评分精准度为89.24%.通过具体的数据对比可知文中设计方法优于原有方法.

3 结束语

在传统评分方法的使用过程中,常因为评分指标层次划分结果较差造成评分结果精度较差的问题.针对这一问题,引用模糊层次分析法对原有方法展开优化.通过实验结果可知,优化后的方法使用效果优于原有方法.在日后的翻译评分发展中,可应用文中设计方法提升评分结果的可靠性,保证评分结果符合翻译要求.