機器翻譯在台灣之研究與發展

蘇克毅 1993/2/25  (Rev. 1997/3/07)

一、機器翻譯系統在台灣的發展概況

相對於美國、蘇聯或中國大陸，台灣在機器翻譯方面的研究，開始得相當晚。一直到 
1985年 5 月，才有清華大學電機工程研究所與英群電腦公司合作，由蘇克毅教授帶領
兩位助理開始研究英漢機器翻譯系統。接著台灣大學資訊工程研究所 (林一鵬教授主
持)、工業技術研究院電子所 (電通所的前身，由張照煌先生主持)、台灣松下研究所 
(郭俊桔先生主持)、台灣王安公司 (黃世道先生主持)、交通大學資訊工程研究所 (李
錫堅教授主持)、清華大學資訊科學研究所 (張俊盛教授主持)、資策會產品開發處 (
劉龍龍博士主持) 等，也都陸續展開這方面的研究。此外，中央研究院資訊所、交通
部電信研究所等單位，雖然沒有機器翻譯的研究計劃，但也有相關性的研究計劃。由
於研究機器翻譯的人愈來愈多，為了讓大家有交換研究心得及溝通意見的機會，台灣
從 1988 年起，每年都舉辦一次計算語言學研討會 (英文名稱為 R.O.C. Computational
Linguistics Conference，由中央研究院的陳克健教授及黃居仁教授籌辦第一、二
屆)，並不定期舉行各式小型討論會。在各項活動日趨積極之後，大家覺得有必要成立
一個正式的組織，來推動這方面的研究。因此，計算語言學學會於 1990 年 3 月正式
成立 [1]，負責統籌辦理各項活動，並與國外相關研究單位聯繫。學會成立至今已歷
三年，在第一任理事長謝清俊教授及第二任理事長陳克健教授帶動下，成績斐然。

除了計算語言學學會的活動之外，1991 年 6 月也在溪頭專為機器翻譯舉辦了一次「
機器翻譯研討會」，並邀請到三位國際知名的學者專家 (Makoto Nagao 教授、Winfield
Scott Bennett 博士以及 Masaru Tomita 教授) 作專題演講。1993 年 2 月，更
進一步在計算語言學學會之下，正式成立機器翻譯研究小組 (Special Interest Group
on Machine Translation，簡稱 SIGMT)，並以 SIGMT 團體會員名義加入亞洲太平
洋區機器翻譯協會(Asia-Pacific Association for Machine Translation) 及世界機
器翻譯協會(International Assocication for Machine Translation)。因此台灣目
前的機器翻譯研究發展已相當健全。

前面所提的是機器翻譯在學術及研究單位進行的情形，接下來要介紹目前工業界商品
化的情形。前面提到的幾個研究小組中，清華大學電機研究所與英群電腦公司合作的
計劃，由於原來實驗室空間不足，研究人員於 1988 年 2 月遷至新竹科學工業園區，
成立致遠科技公司，繼續從事機器翻譯的研究開發。目前是以英漢系統為主，在工作
站上執行，並於1989 年 7 月開始提供翻譯服務。主要是翻譯技術手冊。王安公司從
事英漢機譯研究一段時期之後，因故中止。原先的研究人員自組歐泰公司，繼續開發
英漢機譯系統，現已有在個人電腦上執行的軟體問世 (即「譯經」)。此外，坊間也有
功學電腦公司，發行在個人電腦上執行的英漢及漢英系統 (廣告上宣稱還有其他數種
語言配對)。然而這些個人電腦上的軟體，恐怕都還不是真正實用的產品 (意指能夠大
量、快速、且可維持一定品質的翻譯)。

除了上述的研發活動之外，台灣可能還有其他單位在研究開發機器翻譯。限於手邊資
料，難免有遺珠之憾。對於那些遺漏的單位，除在此致歉之外，也希望他們能提供資
料，以便日後有機會時，再作介紹。

以下我們將對曾經發表過論文，公開資料較多的系統，按照他們研發的先後時間，逐
一介紹。這些介紹主要是根據各單位提供的資料，然後再加以整理。有的單位在資料
中還提供了翻譯的正確率及速度。但是因為機器翻譯到目前為止還沒有一個大家公認
且公開的測試環境及方法，各單位以不同的標準在不同的機器上測試，難免出入很大
。為了不誤導讀者，我們在以下的介紹中，將一律不列出正確率及速度，只介紹各個
系統的歷史沿革及架構。有興趣的讀者，可向各單位索取更詳細的資料。

二、各單位機器翻譯系統簡介：

1. 致遠科技公司：

致遠科技公司的機器翻譯系統 (英文名稱為 BehaviorTran)，基本上是沿自清華大學
電機所與英群公司合作的研究計劃。1988 年 2 月，該公司於新竹科學工業園區成立
，繼續從事機器翻譯的研究開發，並於 1989 年 7 月正式設立對外的翻譯服務中心，
接受客戶委託，展開實際的翻譯業務。此後透過翻譯中心的回饋，致遠公司不斷改善
系統的效能及使用者介面。早期 BehaviorTran 主要的翻譯對象，是與電腦有關的手
冊、使用說明以及書籍等。隨著專業辭彙的增加，翻譯的工作也逐漸擴大到電機、機
械、航空、心理學等領域。目前的客戶是以在台的國際電腦公司為主。

BehaviorTran 是屬於轉換式 (Transfer) 的機器翻譯系統，以 C 語言設計系統程式
。雖然是傳統的轉換架構，但這個系統加入了新的作法，使其能更適合新一代機器翻
譯的需求。語法形式為補強型的詞組結構語法 (Augmented Phrase Structure Grammar)，
在詞組律中加入了「限制條件」(Condition) 的檢查，並利用個別詞彙的屬性及
語意分析，強化分析的能力，提高剖析的正確性。系統所用的剖析器，是經過強化的 
LR 剖析器，特色如下[8]︰

1.「Top-down 過濾」加「Bottom-up 剖析」：BehaviorTran 基本上是採由下而上　 
(bottom-up) 的剖析方式，但同時也利用語法切分的方式，將剖析用的語法切分成數
　 個次類語法 (Subgrammars)，使其具有由上而下 (top-down) 方向的預測功能，便
於語法現象的描述及檢查，以及過濾一些不適當的分析。

2. 部份剖析 (Partial Parsing)：根據系統的特殊要求，以一個句子中的部份詞串
(而非完整的句子) 為單位，進行剖析。例如，在剖析標題和分離式成語的受詞時，檢
查其中是否含有名詞組等等。

3. 根據評分函數，刪除可能性較低的剖析路徑：除了利用語言學知識來刪除歧義之外
，並以機率方式計算詞類、語法和語意的分數，將未達設定標準的剖析路徑刪除，以
減少歧義數目及剖析時間。最後並以整合式的評分函數 [9] 選出最可能的剖析結果，
繼續執行轉換及生成的動作。

BehaviorTran 的詞典依應用的層次分成︰(1) 一般詞典，(2) 一般成語詞典，(3) 分
離式成語詞典，(4) 專業詞典，(5) 客戶詞典，和 (6) 專案詞典。在實際翻譯文稿時
，由於一個詞在不同詞典的用法及意義可能同時出現，因此必須將各部詞典裡的資料
加以聯併(Unification)，以便得到所要的中文。詞典聯併時，資料取用的優先順序為
：專案詞典最先，客戶詞典次之，專業詞典再次之，一般詞典最後。

在新的技術方面，BehaviorTran 採用以語料為基礎，架構在高層語言知識上的統計方
式，發展出一系列的技術來協助抽取知識、解決歧義及控制系統的行為。這些技術包
括：

1. 利用整合式的評分函數，解決詞彙、語法及語意各層次的歧義現象 [2、7、9]。

2. 使用以鑑別力、強健性為導向的自動學習策略，調整系統參數，以減少不必要的深
層分析，並提高系統的執行績效 [5、6]。

3. 利用機率式轉換及生成模式，透過雙語語料庫 (Bilingual Corpus) 自動找出轉換
單位及轉換規則。並利用目標語的語法逆向找出系統的生成規則，以產生符合目標語
語法的譯文，避免一般轉換式系統生硬的翻譯 [3]。

4. 在系統中併入回饋功能，使系統的行為能依使用者的需求調整，減少所需的譯後修
繕 [11]。

有了這些新的作法，BehaviorTran 將可逐步整合語言學和統計學的知識，建構一個具
有一致性的大型自然語言處理系統。並以自動化、系統化的方式求取語言模式的參數
，改進傳統的機器翻譯系統，以邁向新一代機器翻譯系統追求的目標。

近年來由於 Internet 的各種應用日新月異，由網路上快速抽取資訊的能力，不僅是
一般研究機構深感興趣的話題，對一般商業機構提供更快速的資訊服務或藉此提高本
身的競爭力，也有莫大的助益。因此 BehaviorTran 研究小組也隨時在注意『線上即
時機譯』(Online Real Time MT) 及『線上即時資訊擷取』(Online Real Time
Information Retrieval) 等應用的可能發展。藉由上述機譯技術的開發，未來將可望
提供更多類型的資訊轉譯 (Information Translation) 服務，以便即時跨越語言障礙，
快速抽取所需的資訊。

2. 台灣大學資訊工程研究所：

台灣大學資訊工程研究所在 1986 年由林一鵬教授主持，開始進行英中機器翻譯系統 
(稱為 NTUECMT) 的基礎研究，目標是建立一套機器輔助翻譯系統，並在此套系統上探
討特殊語言現象的處理方式，以作為進一步應用的參考。到了 1989 年，陳信希教授
也開始參與此項研究計劃，並改寫了剖析器及執行環境。目前系統在 SPARCstation-1
 工作站 SunOS4.1.1-HLE 1.1.1 的中文環境下運作。

NTUECMT 是以聯併為本的機器翻譯系統，從剖析到轉換都採用相同的策略。整個系統
架構具有均質性，主要部門包括語法編譯器、詞典管理模組、語彙模組、剖析模組、
轉換模組、生成模組和兩個資料庫 (語法資料庫及詞典)。語法編譯器的功能是編譯語
法資料庫，以產生剖析模組和轉換模組。語法是編譯成 Prolog 程式碼。NTUECMT 是
一套左隅、由下而上 (left-corner, bottom-up) 循序處理的系統。詞典管理模組以 
C 語言設計。語彙模組擔任前處理的工作，將輸入語句中的複合詞、慣用詞和縮寫詞
預先處理，並還原語形。剖析模組和轉換模組是兩個並列執行的單元，運用組合原理
將英文句子結構轉換成中文屬性結構。聯併運算扮演語法和語意知識的角色，以幫助
系統選擇詞語、增刪詞語和調整結構。在屬性結構中，屬性的順序對於聯併運算並無
意義，但在句子的產生上，屬性的順序卻很重要。因此生成模組依據設定順序，將中
文屬性結構線性化，以產生對應的中文句子。除了基本結構的設計之外，時間信息的
轉換、介詞片語的定位及翻譯、省略句型的剖析及翻譯、指涉分析及其在機器翻譯的
應用等，也都是 NTUECMT 設計上的重要課題。

3. 工業技術研究院電腦及通訊工業研究所 (簡稱工研院電通所)

工研院電通所在機器翻譯方面的發展相當早，共有兩個系統，一個是英文譯成中文的
系統(稱為 TransMaster)，另一個是日文譯成中文的系統 (稱為 ITRI/CCL JCMT)。英
中系統的發展時間是 1986 年到 1990 年，最先由張照煌先生負責，在張照煌先生赴
美進修後，由黎偉權先生負責。使用的人力平均為每年 6 個人，曾對工業界作技術轉
移。日中系統的發展時間為 1989 年到 1992 年，由李炳煌先生負責。平均人力為每
年 9 個人。目前基本架構已經完成，正在作細部調整。

英中系統的架構是轉換式，使用強化式語境自由語法 (Augmented Context Free Grammar)
及語意格語法 (Case Grammar) 分析句子，再根據依存結構 (DependencyStructure)
作轉換，轉換後使用格位樣型 (Case Pattern) 進行合成。規則庫的大小為：(1)
長句斷句 (Long Sentance Segmentation)：35 條，(2) 形態分析：45 條，(3) 英
文句法分析：600 條，(4) 語意分析：100 條，(5) 詞彙轉換：2000 條，(6) 語法轉
換：50 條，(7) 中文合成：400 條。字詞以框架 (Frame) 結構表示，包含語意分類
及分析所需的各類信息。一般詞彙有 50,000 詞，電腦專業詞典有 15,000 詞。整個
系統是以 Lisp 語言寫成，可在個人電腦上執行。

日中系統也是採轉換式，使用強化式語境限制語法 (Augmented Context Sensitive
Grammar) 及語意格語法進行分析，而以格位樣型進行合成。轉換及生成的作法和英中系
統相同。規則庫的大小為：(1) 形態分析：860 條，(2) 句法分析：800條，(3) 語意
分析：97 條，(4) 詞彙轉換：94 條，(5) 合成：306 條。詞典結構和英中系統相同
，共有基本詞彙 79,180 詞。系統以 C 語言寫成，在 Sun SPARC 工作站上執行。

4. 台灣松下研究所 (Matsushita Electric Institute of Technology, Taipei)

台灣松下研究所從 1987 年 9 月開始發展日中翻譯系統 (稱為 MITTRAN)，由郭俊桔
先生擔任計劃主持人。機譯架構採轉換式。目前是以研究計劃的形式進行。這套系統
不管分析、轉換還是生成，都是採用樹形轉換語法 (Tree TransformationGrammar)。
另外在語意分析及中文生成方面，還應用了語意格語法；而在結構轉換方面，則應用
了依存結構。規則總數約有 1500 條，基本詞典的詞項有 60,000 個。整個系統以C 
語言寫成，在 Solbourne 系列的 UNIX 工作站上執行。目前並構建了一個語法發展環
境，提供描述樹狀結構轉換 (Tree Transducing) 的語言。

5. 交通大學資訊工程研究所

交通大學資訊工程研究所的中英機器翻譯計劃 (簡稱 CEMAT)，是由李錫堅教授主持，
從1988 年 8 月開始研究。目前人力有博士班 1 人，碩士班 4 人。這個中英翻譯系
統採用轉換式架構。中文斷詞及詞類標記 (Word Segmentation and Tagging) 是使用
馬可夫模式 (Bi/Trigram Markov Model)。語法是採用規則導向的概化結構語法 (Rul
e-OrientedGeneralized Phrase Structure Grammar)，及詞彙導向的中心語驅動語法
 (Lexicon-Oriented Head-driven Phrase Structure Grammar)。結構語法是用來描
述構成成份(Constituent) 之間的關係，詞彙信息則用來描述構成成份的個別性質及
彼此之間的呼應關係 (Agreement Restriction)。這個系統的剖析器是強化的聯併導
向 LR 剖析器(Generalized Unification-based LR Parser)。

這套系統對中文的時制及動貌 (Tense and Aspect) 作了特別的處理。他們分析了時
態成份 (Temporal Constituent)，如「了」等，以抽離出時制及動貌信息。在解決詞
彙歧義方面，系統使用的是特徵結構 (Feature Structure)。在結構轉換方面，CEMAT
 使用的是一種 Top-down Guided Bottom-up Structure Transfer 的作法。這種轉換
方式是根據組合原理 (Compositionality Principle)，將下層信息帶到上層節點。系
統並特別處理了中文的「把」字句及名物化結構 (Nominalization)。而目標語的生成
是以規則來驅動(Rule-Driven)。生成語法的形式是 X 標槓理論 (X-bar Theory) 及
概化結構語法。

6. 清華大學資訊科學研究所

清華大學資訊科學所從 1990 年開始研究英中翻譯系統，計劃是由張俊盛教授主持。
目前人力有博士班學生 1 名，碩士班學生 3 名，以及專任助理 2 名。這個計劃是以
中英文版的國際無線電聯合會公約為對象，進行小規模的句法剖析、轉換及合成研究
。其中句法剖析是以 PROLOG 語言製作程式。系統採用簡單的句法規則及聯併式的圖
表剖析方式。轉換部份是由主動式的雙語詞典驅動，進行有限的轉換動作。中文翻譯
部份是採用以系統語法為基礎的句子合成器。

另外在 1991 年，資訊科學研究所還以印表機使用手冊為語料，研究自動產生英文及
中文句子的方法。他們是以句子中名詞組之間的格位關係作為輸入格式，採用系統語
法來合成句法結構。

從 1992 年起，資訊科學研究所開始從事整合式英中翻譯系統的研究。他們整合了機
率式、範例式、傳統模組式的機器翻譯作法，採用機讀式朗文當代英漢雙解詞典及雙
語技術手冊語料庫為工具，以一般性文章為語料進行研究。目前已經完成的工作包括
：詞典資料的擷取、詞性分析、詞組分析、雙語資料的辭彙對應。

另外，從 1992 年起，資訊科學研究所也開始研究可翻譯及審查計算機名詞的機器輔
助系統。這個系統是利用詞典資料及適切的使用者介面，來降低翻譯、修正、審查的
打字輸入及認知過程的成本。目前的效果據估計已經能節省 50% 左右的人力。

三、結語

一般說來，機器翻譯需要鉅量而瑣細的知識 (規則)。傳統上，歸納規則的工作是由人
來完成。這需要非常大量的人力，而且也很難維持這些知識的一致性。往往在加入一
些規則以改進某些句子的翻譯之後，其他一些原本可以處理的句子，又變得無法處理
。形成像蹺蹺板一樣，在某處將錯誤壓下去，在別的地方又會冒出新的錯誤。這種現
象使得系統在日趨龐大之後，變得愈來愈複雜、愈來愈難維護及改進。這個嚴重的問
題，是許多以傳統方法設計的機器翻譯系統，最後無法突破瓶頸的原因。

目前比較有希望的方法，可能是所謂的「以語料庫為基礎，以統計為導向的作法」
(Corpus-based Statistics-oriented Approach) [4、10]。這種方法是先建構一個大型
的語料庫，然後由人設計一些語言模式 (Language Model) 及語言使用模式 (Language
Using Model)。這些模式是由許多參數來規範。參數值的計算，則是由計算機從語料
庫中自動學習。這種作法將獲取知識 (Knowledge Acquisition) 的重擔，從人轉移到
計算機，由計算機去獲取及管理這一大堆參數。因為計算機每次在學習這些參數時，
都是同時考慮這個語料庫中所有的資訊，因此可以避免前述的不一致問題及蹺蹺板問
題。同時每次加入新的語料，或是處理一個新的領域時，計算機只要重新學一次即可
。簡言之，未來的機器翻譯系統將會逐漸強調：(1) 參數化的模式；(2) 以語料為基
礎，以統計為工具，建構在高層語言知識上的語言模式；(3) 一致性的歧義解決方式
與客觀的評分機制；(4) 強化鑑別力及強健性的自動學習策略；(5) 雙向式的系統設
計；(6) 依使用者需求調整系統行為的回饋控制功能。

雖然從全世界的機器翻譯發展史看來，台灣的研究起步較晚，但在這一波新的研究風
潮中，台灣跟其他國家是站在同一起跑線上，具有很好的契機。目前國內投入機器翻
研究的人力已略見規模。同時經過傳播媒體多次的報導之後，社會上對機器翻譯感興
趣的人也愈來愈多。整體說來，台灣已有了良好的基礎。為了使機器翻譯的研發工作
早日開花結果，我們希望能有更多對機譯系統感興趣的人，積極加入這個行列。

最後要感謝致遠科技張景新先生、台大陳信希教授、電通所黎偉權先生、松下郭俊桔
先生、交大李錫堅教授、及清大張俊盛教授熱心提供資料，本文才得以順利完成。

四、參考文獻：

[1] 謝清俊、黃居仁、陳克健、鄭秋豫、李琳山，「計算語言專輯」，科學月刊，
21 卷第 4 期，280-305 頁，科學月刊社，1990 年 4 月。

[2] Chang, J.-S., Y.-F. Luo and K.-Y. Su, "GPSM: A Generalized Probabilistic
Semantic Model for Ambiguity Resolution," Proceedings of ACL-92, pp. 177-184,
30th Annual Meeting of the Association for Computational Linguistics,
University of Delaware, Newark, DE, USA, 1992.

[3] Chang, J.-S. and K.-Y. Su, "A Corpus-Based Statistics-Oriented Transfer
and Generation Model for Machine Translation," Proceedings of TMI-93,
pp. 3-14, 5th Int. Conf. on Theoretical and Methodological Issues in
Machine Translation, Kyoto, Japan, 1993.

[4] Chen, S.-C., J.-S. Chang, J.-N. Wang and K.-Y. Su, "ArchTran: A Corpus-
Based Statistics-Oriented English-Chinese Machine Translation System,"
Proceedings of Machine Translation Summit III, pp. 33-40,　Washington, D.C.,
USA, 1991.

[5] Chiang, T.-H., Y.-C. Lin and　K.-Y. Su, "Syntactic Ambiguity Resolution
Using A Discrimination and Robustness Oriented Adaptive Learning Algorithm",
Proceedings of COLING-92, vol. I, pp. 352-358, 14th Int. Conference on
Computational Linguistics, Nantes, France, 1992.

[6] Lin, Yi-Chung, Tung-Hui Chiang and Keh-Yih Su, "Discrimination Oriented
Probabilistic Tagging," Proceedings of ROCLING-V, ROC Computational Linguistics
Conference V, pp. 87-96, 1992.

[7] Su, K.-Y. and J.-S. Chang, "Semantic and Syntactic Aspects of　Score
Function," Proc. of COLING-88, vol. 2, pp. 642-644, 12th Int. Conf. on
Computational Linguistics, Budapest, Hungary, 1988.

[8] Su, K.-Y. and J.-S. Chang, "Some Key Issues in Designing MT Systems,"
Machine Translation, vol. 5, no. 4, pp. 265-300, 1990.

[9] Su, K.-Y., J.-N. Wang, M.-H. Su and J.-S. Chang, "GLR Parsing with
Scoring," In M. Tomita (ed.), Generalized LR Parsing, Chapter 7, pp. 93-112,
Kluwer Academic Publishers, 1991.

[10] Su, K.-Y and J.-S. Chang, "Why Corpus-Based Statistics-Oriented Machine
Translation," Proceedings of TMI-92, pp. 249-262, 4th Int. Conf. on
Theoretical and Methodological Issues in Machine Translation, Montreal,
Canada, 1992.

[11] Su, K.-Y., M.-W. Wu and J.-S. Chang, "A New Quantitative Quality Measure
for Machine Translation Systems," Proceedings of COLING-92, vol. II, pp. 
433-439, 14th Int. Conference on Computational　Linguistics, Nantes, France,
1992.