辭典的選取

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

14

象的結構，因此，若在比對過程中有吻合的情況產生，則系統將會進一步透過中文詞序 編號來將英文句的字詞進行調動，完成調動之後才開始利用機率式選詞模組進行翻譯。

而原始詞序範例樹資料庫的建立，為了節省大量的時間，張智傑[16]只利用辭典檔 內部的資訊來進行詞彙對列，除了其使用的辭典檔內部索引字數不足以外（約三萬餘個 索引字），並無執行其它詞彙對列的輔助技術。也因為這種處理方式，我們只能犧牲詞 序範例樹的品質，採用對應率（｢產生對列的英文字詞數｣/｢英文句子的總字詞數｣）大於 60%的對列結果，來換取範例樹的數量。而此種處理方式，其實會遺失一些實際上擁有 詞序互換現象的結構樹，而使翻譯系統效能之改善有所限制。因此我們首要的目標便是 增進詞彙對列模組的效能，以便獲得較多、較準確的詞序範例樹。

3.4 辭典的選取

大多數以辭典為基礎的詞彙對列模組，其成效與所選用的辭典有一定程度的關連，往往 一個辭典的優劣，對於詞彙對列整體的召回率和精確率有相當大的影響。在此我們比較 了三種免費的電子辭典，分別為牛津現代英漢雙解辭典[3]（以下簡稱牛津辭典）、Dr.eye 譯典通線上辭典[23]和由MBDG團隊持續整理發布的CEDICT電子辭典檔[19]，索引字數 如表3.3

表 3.3 辭典內含索引字詞數 所示。

辭典 索引字數

牛津現代英漢雙解辭典 39429

Dr.eye譯典通線上辭典 106269

97184 CEDICT電子辭典檔

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

15

這三種辭典，以牛津辭典有著最高的公信力，但其索引字數卻是最少，且內部結構 為｢說明｣類型的辭典，也就是說這類的辭典會針對一個英文字詞，利用其他的文字來解 釋其索引字，假若我們查詢英文字詞｢him｣，我們從表3.4

表 3.4 辭典內部資訊

可以發現牛津辭典利用大量的 文字，詳細的來｢說明｣這個字詞。而詞彙對列模組，主要是希望找到兩種語言之間相對 應的字詞，並記錄平行句對中間的連線以建立詞序範例樹。因此若我們要使用牛津辭 典，勢必需要過濾掉大量的｢說明｣文字，並且保留其相對應的｢翻譯｣字詞，也就是說，

實際上只需要把｢他｣和｢它｣這兩個中文字詞留下，其餘的文字訊息完全刪除。但從格式 範例中可以發現，這不僅僅只是把括號內部字詞刪掉而已，格式內部還帶有許多例句的 資訊，因此除了利用人工去進行過濾之外，實際上很難利用自動化程序來完成，所以我 們並不選用牛津辭典當作系統的索引字詞資料庫。

辭典 格式範例

牛津現代英漢雙解辭典 him / hIm; hIm/ pers pron 人稱代詞 （used as the object of a v or of a prep; also used independently or after be 用作動詞或介詞的賓語, 亦可單獨使用或用 於be之後） male person or animal mentioned earlier or being observed now 他; 它（用以指雄性動物）: When did you see him? 你是什麼時候看見他的? * I'm taller than him. 我比他高. * （infml 口） That's him over there. 那邊那個人就是他. * Oh, not `him again! 噢, 可別再是他了! =>Usage at he 用法見he.

Dr.eye譯典通線上辭典 him=/（he的受格）他/（用於than或as後面/代替he）他 CEDICT電子辭典檔 他 [ta1] /he/him/

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

16

相較於牛津辭典，Dr.eye譯典通線上辭典和CEDICT電子辭典檔不論在索引字數上，

或是內部格式都較符合我們的需求，兩種辭典對於索引字詞之解釋大多直接是互為對應 的翻譯字詞，並且把詳細的｢說明｣單純利用括號隔開，因此我們可以利用簡單的自動化 程序去過濾這些｢說明｣。且從中可以發現，兩者最大的不同在於索引字的用法，Dr.eye 譯典通線上辭典是利用英文字詞當作索引字，而CEDICT電子辭典檔則是利用中文字詞 當作索引字，這兩種不同的方向，我們曾進行小型實驗的評估，發現CEDICT電子辭典 檔的召回率是較Dr.eye譯典通線上辭典優越的，我們猜測主要的原因為CEDICT電子辭典 檔是MBDG團隊在進行編修，直到現在（本模組所使用的版本時間為2010-02-22 06:12:50 GMT）都還不斷的進行修正和擴充索引字的數量，相對於Dr.eye譯典通線上辭典它的更 新速度較快，並且CEDICT電子辭典檔屬於免費軟體，容易取得其文字檔格式。因此我 們選用以CEDICT電子辭典檔做為主力，以中研院斷詞系統所產生的中文字詞為主，透 過查詢的動作，可以得到大量的英文字詞，利用這些英文字詞與目標的英文句子進行比 對。

另一個選擇CEDICT電子辭典檔的誘因是，CEDICT電子辭典檔內部的中文索引都以 字詞為單位，並且其英文翻譯擁有大量的片語和複合詞資訊（如： ｢付清｣有pay in full、

pay all of a bill和pay off三種相對應詞彙），我們將在第四章中說明，我們如何利用這些 資訊來增加系統的效能。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

17