13.1 语言差异与类型学

世界上约有 7,000 种语言。人类语言的某些方面似乎是适用于每种语言的普遍规律，或适用于大多数语言的统计普遍规律。许多普遍规律源于语言作为人类交流系统的功能。例如，每种语言似乎都有指称人的词语，都能谈论吃喝，也都有表达礼貌或不礼貌的方式。语言还存在结构普遍规律：例如，每种语言似乎都有名词和动词（第 18 章），都有提问、发出命令以及表示赞同或反对的语言机制。

但语言也在许多方面存在差异（人们自古就已指出这一点，见图 13.1）。理解造成这些翻译差异（translation divergence）（Dorr, 1994）的原因，有助于构建更好的 MT 模型。我们通常把必须逐项处理的偶然性词汇差异（例如“dog”在不同语言中的说法截然不同）与可用一般方式建模的系统性差异（许多语言把动词放在语法宾语之前，另一些则放在宾语之后）区分开来。研究这些系统性跨语言异同的领域称为语言类型学（linguistic typology）。本节概述影响机器翻译的一些类型学事实；感兴趣的读者还可参阅 WALS（World Atlas of Language Structures，世界语言结构地图集），其中收录了大量语言类型学事实（Dryer and Haspelmath, 2013）。

图 13.1 老彼得·勃鲁盖尔 1563 年绘制的《巴别塔》。图片来自维也纳艺术史博物馆，经 Wikimedia Commons 获取。

13.1.1 语序类型学¶

如上述英日对比例所示，不同语言在简单陈述句中动词、主语和宾语的基本语序上有所不同。例如，德语、法语、英语和汉语都是 SVO（主语—动词—宾语）语言，即动词通常位于主语和宾语之间。印地语和日语则是 SOV 语言，动词通常位于基本分句末尾；爱尔兰语和阿拉伯语则是 VSO 语言。基本语序类型相同的两种语言往往还有其他相似之处。例如，VO 语言通常使用前置词，OV 语言通常使用后置词。

再详细看看前面的例子。在这个 SVO 英语句子中，动词 wrote 后接宾语 a letter 和介词短语 to a friend，其中介词 to 后接论元 a friend。采用 VSO 语序的阿拉伯语同样把动词放在宾语之前，并使用前置词。相反，下面的日语例子颠倒了每一种顺序：动词前接论元，后置词则位于其论元之后。

(13.3) 英语：He wrote a letter to a friend

日语：tomodachi ni tegami-o kaita（朋友　向　信　写了）

阿拉伯语：katabt risāla li sadīq（写了　信　向　朋友）

其他语序偏好会因语言而具有各自特点。在一些 SVO 语言（如英语和汉语）中，形容词通常位于名词之前；而在西班牙语和现代希伯来语等语言中，形容词位于名词之后：

(13.4) 西班牙语：bruja verde

英语：green witch（绿色女巫）

图 13.2 其他语序差异示例：（a）德语中，一些在英语里更自然地出现在后部的副词会出现在句首，带时态动词则位于第二位。（b）汉语中，表示目标的介词短语常位于动词之前，这与英语不同。

图 13.2 展示了其他语序差异。语言间的所有这些语序差异都会给翻译造成困难，要求系统在生成输出时完成大幅度的结构重排。

13.1.2 词汇差异¶

我们当然还需要把各个词从一种语言翻译成另一种语言。任何翻译中，合适的词都可能随上下文而变化。例如，英语源词 bass 在西班牙语中，指鱼时可译为 lubina，指乐器时则译为 bajo。德语用两个不同的词表示英语中的 wall：建筑内部的墙为 Wand，建筑外部的墙为 Mauer。英语用 brother 指任何男性兄弟姐妹，而汉语等许多语言区分哥哥与弟弟。所有这些情况下，把 bass、wall 或 brother 从英语译出，都需要进行某种特化，消解词的不同用法。因此，MT 与词义消歧（附录 I）两个领域密切相关。

有时，一种语言对词语选择施加的语法约束比另一种更多。前文提到，英语在名词上标记单复数，汉语则不标记。法语和西班牙语还会在形容词上标记语法性别，因此从英语译成法语时必须确定形容词的性。

语言以词汇划分概念空间的方式，可能比这种一对多翻译问题更复杂，形成多对多映射。例如，图 13.3 总结了 Hutchins and Somers（1992）讨论的英语 leg、foot、paw 与法语译词之间的一些复杂关系。leg 指动物的腿时译作法语 patte，指旅程的一段时译作 étape，指椅子腿时则用法语 pied。

此外，一种语言可能存在词汇空缺（lexical gap）：除了使用解释性脚注外，没有任何单词或短语能准确表达另一种语言中某个词的确切意义。例如，英语没有与汉语“孝”或日语 oyakōkō 完全对应的词，只能勉强使用 filial piety、loving child 或 good son/daughter 等别扭短语。

图 13.3 Hutchins and Somers（1992）讨论的英语 leg、foot 等词与各种法语译词之间的复杂重叠。

最后，不同语言把事件的概念属性映射到具体词语的方式也存在系统差异。Talmy（1985, 1991）指出，可根据运动方向和运动方式标记在动词上还是“卫星”成分——小品词、介词短语或副词短语——上，对语言加以分类。例如，描述一个瓶子漂出洞穴时，英语在小品词 out 上标记方向，西班牙语则在动词上标记：

(13.5) 英语：The bottle floated out.

西班牙语：La botella salió flotando.（瓶子漂浮着离开。）

动词框架语言（verb-framed language）在动词上标记运动方向，把运动方式留给卫星成分，例如西班牙语 acercarse“接近”、alcanzar“到达”、entrar“进入”、salir“离开”。卫星框架语言（satellite-framed language）在卫星成分上标记运动方向，把运动方式留给动词，例如英语 crawl out、float off、jump down、run after。日语、泰米尔语以及罗曼语族、闪米特语族和玛雅语族中的许多语言属于动词框架语言；汉语以及英语、瑞典语、俄语、印地语、波斯语等非罗曼印欧语言属于卫星框架语言（Talmy 1991; Slobin 1996）。

13.1.3 指称密度¶

最后，不同语言在倾向省略哪些成分这一类型学维度上也有差异。英语等语言在谈论语篇中已经给出的指称对象时，要求使用显式代词；另一些语言则有时可以完全省略代词，如下面的西班牙语例子：^[1]

(13.6) [El jefe]_i dio con un libro. /0_i Mostró su hallazgo a un descifrador ambulante.

[老板]_i偶然发现了一本书。［他］_i把自己的发现拿给一位四处游历的解码者看。

能够省略代词的语言称为代词脱落语言（pro-drop language）。即使在代词脱落语言中，省略频率也有明显差异。例如，日语和汉语省略的倾向远强于西班牙语。这一跨语言变化维度称为指称密度（referential density）。倾向使用更多代词的语言，比使用更多零形式的语言具有更高的指称密度。汉语、日语等指称稀疏、要求听者进行更多推断以恢复先行词的语言也称为冷语言；表达更明确、使听者更容易理解的语言则称为热语言。冷热术语借自 Marshall McLuhan 1964 年对媒介的区分：电影等热媒介为观众填充大量细节，漫画等冷媒介则要求读者做更多推断以补全表示（Bickel, 2003）。

从汉语或日语等大量省略代词的语言翻译到英语等非代词脱落语言可能很困难，因为模型必须以某种方式识别每个零形式，并恢复正在谈论的人或事物，才能插入适当的代词。