汉字简繁文本智能转换系统体验

这两天，汉字简繁文本智能转换系统网站高调上线了，官媒相关报道很多。甫一公开，就遭到了小伙伴们的一片质疑声：这系统有必要重新开发吗？动用了多少科研经费？它的使用效果如何？……质疑是正常的，毕竟它是由国家教育部、国家语委启动的，是带有“国”字头，动用了不少的公帑的，民众有权利检验它的效果！在此之前，谷歌翻译很早就已经推出了免费的文字和网页的在线翻译版，微软Word等办公软件中也是提供了简繁体转换插件，国产的WPS办公软件也有这样的插件，而其它网站上推出的各种各样的免费转换网页更是不计其数。

那么，由厦门大学牵头开发的这套简繁体转换系统究竟有什么优势呢？该项目主要负责人、厦门大学人工智能研究所所长史晓东介绍，该系统能够进行“面向台湾”和“面向古籍”两种字体简繁转换，克服了同类软件在“一简对多繁”转换情况下的不足。同时，系统可进行字、词、专业术语、标点符号等多种转换，也可对网站全部页面进行转换，满足用户不同使用需求。“经中国中文信息学会评测，该转换系统在字级别简体到繁体的转换准确率达到99.99%。相关专家认为，该系统转换准确率高，功能丰富，性能稳定，研究成果处于国际领先水平。”

简繁体转换中的各种问题

作为一个史学爱好者，对这套系统的密切关注是自然而言的。自从经过大学繁体字的系统培训和学习以来，十年的时间一晃而过，但是在繁简体的使用上，有些时候依然不得其道，转换时也是要时不时查询权威词典才敢下笔。不熟悉简体字和繁体字系统的朋友可能会说，这有什么难的，一一对应不就得了！果然是无知者无畏……要是能简单一一对应啥事都好办了，也不用花这么多钱来开发这套系统了。问题是：简体字中存在着大量的不对应现象，主要就是一个简体字可能对应N个繁体字，比如：

原简体字：历史、日历；头发、发财；胡须、必须；面貌、面包；物理系、关系。

实际转换中可能会出现这样的“国际玩笑”：

错误的转换：曆史、日歷；頭發、髮財；鬍須、必鬚；麵貌、面包；物理係、關系

正确的转换：歷史、日曆；頭髮、發財；鬍鬚、必須；面貌、麵包；物理系、關係

有时候，因为不同文化环境下，各种人名、地名等翻译也不同。比如，在大陆叫“短信”，在港台就变成了“簡訊”了，類似的“前缀”、“词组”、“激光”、“公元”可能会变成“首碼”、“片語”、“鐳射”、“西元”，等等。以上这些是日常生活中经常遇到的，在学术使用中，远远要比这个更多、更繁杂。所以，简繁体要想做到完美转换，最重要的应该是建立合适的语料库，而语料库的建立必定涉及巨量的语言学统计“大数据”。据官方公布的资料，该系统的语料库繁体字语料库有22亿字，简体字语料库有50亿字。巨量的语料库应该是没问题的，问题是，是否真正地做到了有效统计，采用什么样的分析、对比方法才是最关键的。如何统计、采样、分析以及建立模型就不是我等所能讨论的了，还是直接看使用体验吧。

网页版、单机版和插件版使用体验

简繁体转换系统目前有网页版、单机版和插件版，下面（繁體中：下麵/下面是不同的）就逐一谈谈我的使用体验。网页版主要是适用于少量文字，临时使用比较方便。网页版主要有“面向古籍”和“面对台湾”两个页面。面向台湾页面除了能够转换词语、标点之外，还提供计算机、生物等一些专业名词的转换服务。简单测试了一下，感觉“面向台湾”的比“面向古籍”的页面准确率要高一些。比如，输入“周润发最近发财了，要去理发换个新发型”，你就会发现两个页面转换的结果竟然是不同的（换句话说至少有一个是错误的）！今天测试的时候，发现网页版频繁出错，估计是上线初期，数据库和网络尚需调试的缘故。

简体转换成繁体出现错字

程序频频出错

网页版还提供网站的翻译，这个对于我来说一点用途都没有，所以也就没测试。我想，绝大多数的网民也不会使用这个功能吧？简繁体虽然有区别，但是读懂应该都是没啥问题的。看个网页犯不着这么麻烦去简繁体翻译吧？

单机版的使用相当的复杂，竟然需要在Windows命令行界面下运行，且要求电脑内存须在8G以上，这太坑爹了。试问：有多少人会为了简繁体转换而去输入、运行那么多的命令符？又有多少人的电脑内存是8G以上的？所以，从实用角度来讲，单机版目前形同虚设。以后要想推广，肯定需要改进。但是，项目做完了，以后能不能改进还是未知数。

对于我而言，最重要的是它的Word插件功能。在官网上下载了插件，并按照说明顺利安装。安装过程中，需要联网下载Microsoft Visual Studio 2010 Tools for Office Runtime (x86和x64）语言包-简体中文。我写论文，向来都是使用繁体字，这样的话，以后想转成简体字非常容易；反过来，则会频频闹笑话。用我的一篇20页的论文简单测试了一下，发现转换的成功率还是挺高的。具体比例我当然做不了统计，但是通过和Word自带的简繁体转换相比，个人认为它的精确度是要胜于微软的。准确率是提高了，但不得不说的是，转换的速度实在不敢恭维。20页的论文，在我的电脑上用了31秒才转换完毕，转换过程中，Word程序有短暂的假死现象，而微软10来秒便搞定了。所以说，插件的转换速度还有待提高。

最终，使用的体验总结下来就是：Word插件版最适用，但运行速度需要提高；网页版频频出错，数据库和服务器需要完善；单机版，要么改进，要么直接雪藏吧！

补记：刚发现Word插件版为什么那么慢了——原来转换时必须联网，离线模式下无法使用！这其实也就意味着：转换之前，需要先把你的文字上传到他们的服务器，服务器分析、转换处理，然后再反馈到Word。如此大费周章，怎能不慢！再者，信息安全，有保障吗？ 2014年11月21日22:13:07