8.2 基于语义的质量评价
对原文的理解是人工翻译的第一步，首先要更准确地把握原文的语义才能对译文实施正确的评价。人工评价译文质量尚可以要求做到这一点。自动评价要能达到人工评价的结果，也需要从语义层面上进行。那么什么是语义？
人们对于语义的直觉理解是多方面的，比如（1）同义：两个表达方式的意思相同或相近；（2）相对：两个表达方式的含义不能同时都为真，也就是常说的反义；（3）蕴含：一个句子的意思包含在另一个句子里；（4）不合乎常规：根据常识，语义表达不清楚或者不合乎常理；（5）歧义：一种表达有多种含义，歧义可能来自词汇（多义词）、结构（对应多种句法分析结果）、范围（修饰词的修饰范围）等原因。这些语义来自人的个体感受。
语义研究有很多的视角，如参照方法（Referential approach）、表征性／心灵主义的方法（Representational/Mentalistic approaches）、社会／语用学的方法（Social/pragmatic approaches）等。不同的视角并非互不相容。自然语言理解和处理的主要任务不是探究语义的本质，而是关注如何表示文本并用于实现某些应用的目的，例如翻译、问答等。下面介绍的语义都与计算语言学相关。
一、语义的组合原理
人可以产出和理解无限多不同的句子，但这似乎不是通过记忆完成的。人是如何做到的？其中比较有影响力的说法是德国哲学家和数学家Gottlob Frege的组合理论（principle of compositionality），即：整体含义是其部分语义和组合方式的函数（The meaning of the whole is a function of the meanings of its parts and their mode of composition）。一个句子的语义是由句子中的词的语义以及词的组合方式决定的，其中一种组合方式就是句法结构。
二、语义的表示
已有多种语义表示的方法，其共性是借助一组符号和符号间约定的结构表达含义。经过特定的设计，这些符号结构和对象、对象属性、对象之间的关系建立了对应。常见的语义表示方式有：一阶谓词逻辑（First-order logic）、语义网（Semantic Network）、概念依存图（Conceptual Dependency Diagram）、框架结构（Frame-based structure）。
多数语义表示的只是字面含义（literal meaning），即一种静态语义，不反映在特定语言环境中的语义，其实就是换了一种表示知识的符号体系。目前这个变换还依靠人工完成。因此，从计算机角度来看，仍然没有独立分析语义的功能。表示可计算语义的基本要求是：
· 可证实性（verifiability）：也就是能够判定表示的真伪
· 无歧义性（unambiguous）：即只有一种表示。无歧义和语义模糊（vagueness）不同，模糊是因为不够具体，比如“我想去餐馆吃饭”。具有模糊性是因为不明确具体位置
· 形式规范性（canonical form）：相同语义要有相同的表示形式
· 推理和变量（inference and variables）：基于语义表示及知识库能够得到合理的结论，就是支持推理。推理过程包含可被替换的变量，能够满足更多表示需求
· 可表达性（expressiveness）：一种语义表示体系能够表示宽泛的需要表达的语义
三、词汇语义
词汇语义是目前语义研究最集中的部分。词汇语义（lexical semantics）研究词汇的语义关系，以及每个词汇不同含义之间的联系。词义是词汇研究最复杂的部分。不同语言有着不同的词汇概念体系，这些差异既有认知层面的，也有文化差异层面的。因此，从一种语言到另一种语言的翻译过程，词汇层面不存在完全的对等关系。这种不对等不仅出现在差异较大的语种之间，像是英语和汉语，即使是一个语系的语言也有很多差异，比如英法、英德之间也有大量的不对等词汇。
词位（lexeme）是一定书写形式和音韵的结合体。词汇表（lexicon）是词位的有限集合。词元（lemma）是用于表示词位的语法形式。如词形sing、sang、sung的词元都是sing。
词汇语义研究的是lemma的含义，不是词形。词义（word sense）是某个词含义的离散表示。如下面两个句子中的bank有相同的发音和书写形式，但是具有不同的词义，记为bank1、bank2等。这种情况称为同形同音异义词（homonyms）。
I deposited the cheque at my bank.
Fishing from the river bank is prohibited.
如果发音相同，但是书写不同，一般含义是不同的，这种词称为homophones，比如be和bee。但是如果字形相同，但是发音不同，被称为homographs，比如bass（鲈鱼）/bæs/bass（贝司）/beis/。
不同应用区分这些词汇的意义不同，拼写检查（spelling correction）和语音识别（speech recognition）中，可能更重视区分find和found，区分是two、too还是to，即区分homophones很重要；但文本发音中要区分homographs，比如不同意义的bass的发音；信息检索中，区分homonyms很重要，只有进行区分才能明确用户检索的bridge是“桥梁”还是“桥牌”。
homonyms是两个不同的词条，有不同的意义。与之相近的是同一个词有多个含义，即多义词（polysemy）。区分是homonyms还是polysemy并不容易，可以利用词源学的证据（etymological evidence）来区分，或者凭直觉区分词义相关性机会的大小。
区分一个词的多个意义也有难度，属于lexicographers的研究领域。一种简单的方法是，用连词连接该词的两个不同语境，如果不合理，就代表有不同的含义。例如：
Which of those flights serve breakfast?
Does Midwest Express serve Philadelphia?
*Does Midwest Express serve breakfast and Philadelphia?
第三个句子中将serve的两个对象并列在一起，出现了无法解释的意义，说明第一个句子的serve和第二个serve的意义不同。
四、词义之间的关系
词义之间存在各种关系，主要有：
（1）同义（synonymy）：判断是否同义的方法之一，就是替换。如果一个语境下，一个词可以被另一个替换而基本不改变原语的意义，则认为它们是同义词。这里并不要求在所有语境下都能替换，只要一个语境即可。
（2）反义（antonymy）：很难形式化的定义反义。反义可以是一个度量的两个极端，如long、short，big、little；可以是运动的不同方向，如up、down；可以是一个二值的状态，如dead、alive；也可以是非二值的状态，如young、old，非二值状态可以加修饰语，如extremely big、very young。
（3）上位（hypernymy）和下位（hyponymy）：一个是另一个的子类。如car是vehicle的下位词，mammal是cat的上位词。而表述各个概念之间关系的体系称为本体（Ontology）。
（4）部分整体（meronymy）：用概念的一个方面指这个实体的其他方面或这个实体本身，两个意义之间存在有机的联系。如chicken既可以是鸡，也指鸡肉；bank可以是金融机构，也可以指银行的建筑。
Wordnet是词汇语义关系的数据库，它将概念相似的词组成synsets，不同的synset表示不同的概念。Wordnet目前有三个库：动词库、名词库、形容词及副词库。Wordnet 3.0包括了117,097个名词、11,488个动词、22,141个形容词和4601个副词。平均每个名词的词义有1.23个，动词的词义有2.16个。名词和动词的主要语义关系：
· 名词的语义关系有：
hyponym：从概念到子类划分，如meal-lunch
hypernym：从概念到上义词，如breakfast-meal
has-member：从组到组内成员，如faculty-professor
member-of：从成员到组，如copilot-crew
has-part：从整体到部分，如table-leg
part-of：从部分到整体，如course-meal
antonym：反义，如leader-follower
· 动词的语义关系有：
hypernym ：从事件到上义事件，如fly-travel
troponym：从事件到子类，如walk-stroll
entails ：从事件到事件涉及的内容，如snore-sleep
antonym：反义，如increase-decrease
五、词汇语义相似度
词汇语义相似度就是要计算两个词义的相近程度或者语义距离。词汇相似度问题在很多应用中都需要：在信息检索和问答系统中，需要寻找和检索词汇语义相似的文档；译文自动评分中，也需要确定译文和参考答案中相似的词。在上述语义资源建设的基础上，求词汇相似的方法有：基于同义词词典（thesaurus）的方法（如利用Wordnet）和基于词汇分布（distributional）的方法。
（1）基于同义词词典的方法
基于同义词词典的方法就是统计两个词之间连接的数目，语义越相似，距离越近。Wordnet中两个词被视为两个节点，之间的边的数目定义为两个词之间的路径。相似度定义为路径长度的倒数：
图8-1是Wordnet中一个片段，根据上式，这个层次结构词语之间的相似度如表8-1：
图8-1 WordNet词语之间的关系
表8-1 WordNet词语相似度
基于Wordnet路径长度计算词语相似度也有一些问题，所有边的长度都假定为1。上图中，nickel和coin似乎比medium of exchange和standard更相似，但是路径都为1。
相似度是以语义为基础的，不是词形。因此在许多应用中，计算两个词之间的相似度比区分词义更有意义，也就是在所有词义中，意义最接近的作为两个词的相似度。
（2）基于信息内容的方法
在词典中可以加入经验概率。词在语料中被看作是包含它们的概念的实例。P（c）用来代表一个词是某概念样例的概率，如式8-1。
words（c）表示概念c包含的词构成的集合，N是语料中词的总数。可以得到Wordnet一个概念结构的概率如图8-2：
图8-2 Wordnet的概念结构图
很明显，越是一般性的概念概率值越高。
一个概念c的信息内容（Information Content，IC）的定义根据计算式8-2：
概率越大，信息内容越小。直观上认为，越是罕见的事物，其提供的信息量越大。这也正是信息论的内容。除此之外，还有多种常用的相似度计算方法，这里简单罗列供读者参考。
Resnik相似度：
Lin相似度：
Jiang and Conrath距离：
研究者们对语义的探索还在不断深入，真正从语义层面评价译文的质量的方法还在不断摸索中，第三章中我们提出的基于抽象语义表示AMR的译文质量评价方法就是其中的一项尝试。