Dịch tự động Việt - K’ho sử dụng phương pháp dựa vào thống kê

 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT Tập 8, Số 2, 2018 3–12 
3 
DỊCH TỰ ĐỘNG VIỆT-K’HO SỬ DỤNG PHƯƠNG PHÁP 
DỰA VÀO THỐNG KÊ 
Nguyễn Minh Hiệpa, Nguyễn Thị Lươnga, Lê Văn Phượngb, 
Nguyễn Thị Minh Huyềnb, Đinh Viết Tuấna* 
aKhoa Công nghệ Thông tin, Trường Đại học Đà Lạt, Lâm Đồng, Việt Nam 
 bKhoa Toán - Cơ - Tin học, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, 
Hà Nội, Việt Nam 
*Tác giả liên hệ: Email: tuandv@dlu.edu.vn 
Lịch sử bài báo 
Nhận ngày 11 tháng 01 năm 2018 
Chỉnh sửa ngày 25 tháng 03 năm 2018 | Chấp nhận đăng ngày 14 tháng 04 năm 2018 
Tóm tắt 
Một ứng dụng dịch tự động (Machine Translation - MT) từ tiếng Việt sang tiếng dân tộc K’Ho được trình 
bày. Ứng dụng nhằm mục đích giới thiệu phương pháp dịch tự động dựa vào thống kê (Statistics Machine 
Translation - STMT). Do tiếng Việt và tiếng dân tộc K’Ho cùng ngữ hệ Nam Á, nhưng lại thuộc nhóm 
ngôn ngữ khác nhau, nên phần chuyển ngữ thường được xử lý bằng cách sử dụng từ vựng, cụm từ và câu, 
thay vì bằng quy tắc cú pháp tổng quát. Các nguyên tắc thiết kế của ứng dụng được mô tả chi tiết, cùng 
với giao diện của hệ thống. Một số kết quả dịch tự động cũng được trình bày để minh họa cho khả năng 
ứng dụng phương pháp STMT. 
Từ khóa: Dịch máy; Dịch tự động dựa vào thống kê; Dịch tự động; MT; STMT. 
Mã số định danh bài báo:  
Loại bài báo: Bài báo nghiên cứu gốc có bình duyệt 
Bản quyền © 2018 (Các) Tác giả. 
Cấp phép: Bài báo này được cấp phép theo CC BY-NC-ND 4.0 
 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT [ĐẶC SAN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG] 
4 
AN APPLICATION TO TRANSLATE FROM VIETNAMESE INTO K’HO 
 USING STMT APPROACH 
Nguyen Minh Hiepa, Nguyen Thi Luonga, Le Van Phuongb, 
Nguyen Thi Minh Huyenb, Dinh Viet Tuana* 
aThe Faculty of Information Technology, Dalat University, Lamdong, Vietnam 
bThe Faculty of Mathematics - Mechanics - Informatics, VNU University of Science, Hanoi, Vietnam 
*Corresponding author: Email: tuandv@dlu.edu.vn 
Article history 
Received: January 11th, 2018 
Received in revised form: March 25th, 2018 | Accepted: April 14th, 2018 
Abstract 
This paper describes the Statistics Machine Translation (STMT) application to translate from Vietnamese 
into K’Ho. Both Vietnamese and K’Ho are in the same South Asian language family but they belong to 
different language groups, so the vocabulary, phrases, and sentences are used for language translation 
instead of the method based on general syntactic rules. The design principles of the application are 
described in detail, along with the system interface. Several machine translation results are also 
presented to illustrate the applicability of the STMT method. 
Keywords: Machine Translation; MT; Statistics Machine Translation; STMT. 
Article identifier:  
Article type: (peer-reviewed) Full-length research article 
Copyright © 2018 The author(s). 
Licensing: This article is licensed under a CC BY-NC-ND 4.0 
Nguyễn Minh Hiệp, Nguyễn Thị Lương, Lê Văn Phượng, Nguyễn Thị Minh Huyền, và Đinh Viết Tuấn 
5 
1. GIỚI THIỆU 
Hiện nay, trên thế giới có khoảng 5650 ngôn ngữ khác nhau (Đào, 2007). Số lượng ngôn 
ngữ lớn như vậy đã gây ra rất nhiều khó khăn trong việc trao đổi thông tin. Để có thể trao đổi thông 
tin phải cần đến một đội ngũ phiên dịch khổng lồ để dịch các văn bản, tài liệu, lời nói từ tiếng này 
sang tiếng khác. Vì vậy, con người đã nghĩ đến việc thiết kế một hệ thống tự động trong việc dịch. 
Hiện nay, khái niệm dịch tự động (dịch máy) đã được nhiều tác giả trong lĩnh vực xử lý 
ngôn ngữ tự nhiên định nghĩa, tuy có một vài điểm khác biệt nhưng hầu hết đều tương đương với 
định nghĩa của Pushpak (2006, tr. 1) như sau: 
Dịch máy hay dịch tự động bằng máy tính là tiến trình dịch từ một ngôn ngữ nguồn (ngôn 
ngữ tự nhiên) sang những ngôn ngữ đích, có hoặc không có sự trợ giúp của con người. Dịch 
máy thường được thiết kế hoặc cho một cặp ngôn ngữ đặc biệt hoặc cho nhiều hơn hai ngôn 
ngữ. 
Theo Trần (2006) thì quá trình xử lý tài liệu của dịch tự động được mô tả như Hình 1. Đầu 
vào của một hệ dịch tự động thường là một văn bản được viết bằng ngôn ngữ nguồn và quá trình 
dịch được chia thành hai giai đoạn: i) Văn bản được phân tích thành các thành phần và ii) Được 
dịch thành văn bản ở dạng ngôn ngữ đích. Kết quả dịch có thể được con người hiệu chỉnh để trở 
thành bản dịch tốt hơn. 
Hình 1. Quá trình xử lý tài liệu của dịch tự động 
Hiện nay, dịch tự động vẫn còn nhiều khó khăn trong việc xử lý các nhập nhằng về ngôn 
ngữ trong quá trình dịch tự động. Các phương pháp thường dùng trong dịch tự động bao gồm: 
 Dịch dựa trên cụm từ (Phrase Based Machine Translation - PBMT) (Đào, 2007) là 
phương pháp xác định nghĩa của câu đích chỉ được thực hiện bởi sự ghép từ và hoán 
đổi vị trí của từ theo cấu trúc cú pháp của cụm từ. Do thiếu thông tin ngữ cảnh khi xác 
định xác suất của các từ, nên nghĩa của từ được chọn nhiều lúc không đúng với ngữ 
cảnh. Đôi khi, nghĩa một từ của ngôn ngữ đích không đủ để diễn tả nghĩa của một từ 
trong ngôn ngữ nguồn và ngược lại; 
 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT [ĐẶC SAN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG] 
6 
 Dịch dựa trên luật (Rule Based Machine Translation - RBMT) là phương pháp dựa trên 
luật cú pháp, ngữ nghĩa và một từ điển khá đầy đủ thông tin. Câu được dịch thường 
không đạt độ chính xác như mong đợi do lỗi mâu thuẫn giữa các luật hoặc do tập luật 
không bao quát (Satoshi & Makoto, 1990); 
 Dịch tự động dựa trên ví dụ (Example-Based Machine Translation - EBMT) được Antal 
và Peter (2009) tổng kết là cách tiếp cận không đòi hỏi phải có sự phân tích ngôn ngữ 
học về cú pháp, ngữ nghĩa vì mọi câu dịch đều dựa vào việc “so khớp” mẫu. Việc “so 
khớp” mẫu dựa hoàn toàn vào kho ngữ liệu song ngữ để xác định mẫu nào gần đúng 
nhất, sau đó hiệu chỉnh và xuất ra thành phần dịch tương ứng của mẫu đó; 
 Dịch tự động dựa trên thống kê (Statistics Machine Translation - STMT) là một phương 
pháp mà các bản dịch được tạo trên cơ sở các mô hình thống kê có các tham số được 
bắt nguồn từ việc phân tích các cặp câu song ngữ. Ý tưởng dịch tự động bằng thống kê 
mang tính thuần túy về toán học, cách tiếp cận này không đòi hỏi sự phân tích sâu về 
ngôn ngữ, quá trình dịch được thực hiện dựa trên kết quả thống kê có được từ kho ngữ 
liệu (Adam, 2008). 
Về mặt ngôn ngữ, tiếng K’Ho thuộc ngữ hệ Nam Á, nhóm ngôn ngữ Môn - Khmer (Trần, 
1999). Vào đầu thế kỷ XX, ngôn ngữ K’Ho được xây dựng bằng hệ thống chữ Latin với mục đích 
truyền đạo, về sau tiếng K’Ho đã được cải tiến nhiều lần và được sử dụng phổ biến bởi các nhóm 
dân tộc thiểu số tại Lâm Đồng, Đăk Nông và các tỉnh Đông Nam bộ (Trần, 1999). Đến nay, tiếng 
K’Ho được giảng dạy trong một số trường tiểu học tại vùng dân tộc thiểu số và để phục vụ cho công 
tác quản lý, phát triển kinh tế - xã hội, giữ gìn an ninh quốc phòng. Điều này đòi hỏi đội ngũ cán bộ 
công chức công tác ở các vùng có đồng bào dân tộc thiểu số phải biết sử dụng tiếng dân tộc bản địa 
trong giao tiếp và trong công tác theo qui định. 
Nhằm góp phần ứng dụng khoa học công nghệ vào việc nghiên cứu ngôn ngữ của đồng bào 
thiểu số và cung cấp thông tin dự báo thời tiết cho đồng bào dân tộc K’Ho trên địa bàn tỉnh Lâm 
Đồng, đồng thời các bản tin dự báo thời tiết mang một lượng lớn thông tin mang tính cập nhật, do 
vậy một ứng dụng dịch tự động từ tiếng Việt sang tiếng K’Ho trong phạm vi bản tin dự báo thời tiết 
của Đài Phát thanh và Truyền hình tỉnh Lâm Đồng đã được xây dựng. Do tiếng Việt và tiếng K’Ho 
cùng ngữ hệ Nam Á nhưng lại thuộc nhóm ngôn ngữ khác nhau (Trần, 1999) nên phần chuyển ngữ 
thường được xử lý bằng cách sử dụng từ vựng, cụm từ và câu, thay vì bằng quy tắc cú pháp tổng 
quát. Qua nghiên cứu tổng quan các phương pháp thì phương pháp dịch tự động dựa vào thống kê 
(STMT) là phương pháp phù hợp với yêu cầu và mục tiêu của đề tài. 
Trong báo cáo này, phương pháp STMT sẽ được trình bày trong việc áp dụng để xây dựng 
hệ dịch tự động Việt - K’Ho. Nội dung bài viết sẽ đề cập chi tiết về phương pháp STMT, các 
nguyên tắc thiết kế của ứng dụng cùng một số kết quả dịch tự động sẽ được trình bày để minh họa 
cho khả năng ứng dụng phương pháp STMT. Cấu trúc của bài viết được tổ chức như sau: Mục 2 
trình bày phương pháp STMT; Mục 3 đề cập đến kết quả thực nghiệm. Cuối cùng là phần kết luận 
và hướng phát triển. 
2. PHƯƠNG PHÁP STMT 
2.1. Phương pháp 
Dịch máy thống kê là quá trình dịch văn bản từ một ngôn ngữ này sang một ngôn ngữ khác 
dựa trên mô hình được sinh ra một cách tự động từ ngữ liệu song ngữ (parallel corpus). Phương 
pháp dịch máy thống kê lần đầu tiên được Antal và Peter (2009) đề cập trong bài báo với phương 
pháp sử dụng là mô hình kênh nhiễu. Bài toán được phát biểu như sau: 
Nguyễn Minh Hiệp, Nguyễn Thị Lương, Lê Văn Phượng, Nguyễn Thị Minh Huyền, và Đinh Viết Tuấn 
7 
Cho một câu ngôn ngữ nguồn v = v1 
J = v1 ,v2,, vJ (tiếng Việt), ta cần dịch sang câu ngôn 
ngữ đích k = k1 
I
= k1 ,k2,, kI (tiếng K’Ho). Dịch máy thống kê sẽ chọn một câu kmax (có xác suất 
cao nhất) trong rất nhiều khả năng dịch được đưa ra. 
kmax= arg max⏟ 
k1
I
p(k1
I
|v1
J) (1) 
Sử dụng luật quyết định Bayes, p(k|v) được tính như sau: 
p(k|v) = 
p(v|k)*p(k)
p(v)
 (2) 
Do p(v1
J) và p(k1
J) không thay đổi với mỗi câu cần dịch khi dựa vào mô hình ngôn ngữ (ngữ 
pháp) nên công thức (1) có thể được viết lại như sau: 
kmax= arg max⏟ 
k1
I
p(v1
I |k1
J) (3) 
Như vậy, để tính được kmax thì phải tính được các xác suất p(𝑣1
𝐼|𝑘1
𝐽) phụ thuộc vào mô hình 
dịch với câu dịch thích hợp hơn sẽ có xác suất cao hơn. Xác suất này được ước lượng bằng cách 
sử dụng ngữ liệu song ngữ và sử dụng ý tưởng cách tiếp cận Maximum và mô hình gióng hàng. 
Xác suất 𝑝(𝑣1
𝐼|𝑘1
𝐽) được phân tích qua biến ẩn được thêm vào như công thức (4): 
p(v1
I |k1
J) =∑p(v1
I ,a1
I |k1
J) (4) 
Trong đó p(v1
I ,a1
I |k1
J) được gọi là mô hình gióng hàng thống kê và gióng hàng a1
I
được gọi là biến ẩn. Gióng hàng xác định ánh xạ i → j = ai: Từ vị trí i của câu nguồn tương ứng với 
vị trí j = ai của câu đích. Chẳng hạn với trường hợp như Hình 2. 
 Hình 2. Mô hình gióng hàng 
Gọi 𝑎 = (𝑣𝑖 , 𝑘𝑗) là một liên kết, ta có: p(v1
I |k1
J)=∑p(v1
I ,a1
I |k1
J). Trong đó, ∑p(v1
I ,a1
I |k1
J) được 
xác định thông qua biểu thức (5). 
ml
kvpS
m
j
aj j

 0
)|(
k) | a p(v, (5) 
Trong đó: 𝑙, 𝑚 lần lượt là độ dài (số từ) của 𝑣 và k; S là số lần khi p(vj|kaj) > 0; p(vj|kaj) 
chính là xác suất của vj khi có kaj (hay nói cách khác là xác suất hai từ này có liên kết với nhau). 
Xác suất này hoàn toàn có thể thống kê được nhờ tập mẫu. 
Chẳng hạn, với ví dụ trên, ta có công thức (6). 
p(v,a|k)= 
7+[p(chiều|mho)++p(rải rác|bà do bà ne)]
7+7
 (6) 
 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT [ĐẶC SAN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG] 
8 
Như vậy, xác suất p(v,a|k) hoàn toàn tính được, do vậy p(k|v) là tính được. Trong số các câu 
(k) trong tập mẫu, câu nào cực đại hoá (Maximum) được p(k|v) chính là câu dịch cần chọn. Do vậy, 
thay vì xây dựng các từ điển, các quy luật chuyển đổi bằng phương pháp thủ công, hệ dịch này tự 
động xây dựng các từ điển, các quy luật dựa trên phương pháp thống kê. Rõ ràng, cách tiếp cận này 
không đòi hỏi một sự phân tích sâu về ngôn ngữ, chúng thực hiện hoàn toàn tự động các quá trình 
phân tích, chuyển đổi, tạo câu dựa trên kết quả thống kê có được từ kho ngữ liệu. 
Trong phần dưới đây sẽ trình bày cụ thể công thức đã nêu trên và thay vì sử dụng mô hình 
gióng hàng a với từng cặp tiếng Việt-K’Ho mà thay vào đó là câu tiếng Việt với bản dịch của tiếng 
K’Ho thông qua kho dữ liệu ngữ liệu song ngữ. 
2.2. Sơ đồ dịch máy thống kê (Statistical Machine Translation - SMT) 
Sơ đồ dịch máy thống kê được mô tả như Hình 3 sau đây. 
Hình 3. Sơ đồ dịch máy thống kê 
2.2.1. Tiền xử lý 
Khi nhận được văn bản đầu vào (tiếng Việt) hệ thống cần thực hiện việc xử lý phân đoạn từ 
tiếng Việt để tiện cho việc “xử lý” trong STMT. Tiếng Việt là một ngôn ngữ đơn lập, không biến 
hình, các ký tự được dựa trên hệ chữ cái Latin. Từ trong tiếng Việt ở đây lại không được xác định 
bởi khoảng trắng. Một từ tiếng Việt có thể được tạo bởi một hoặc nhiều hình vị và mỗi hình vị phân 
tách nhau bởi các khoảng trắng. Do vậy để tiến tới những ứng dụng xa hơn về xử lý ngôn ngữ tiếng 
Việt như gán nhãn chức năng cú pháp, phân tích cú pháp hay cụ thể để phục vụ cho việc dịch máy 
thì việc đầu tiên là phải giải quyết bài toán tách từ. Các nhà nghiên cứu đã đề xuất một số hướng 
tiếp cận để giải quyết bài toán tách từ. Nhìn chung, các hướng tiếp cận đó được chia thành hai loại: 
i) Tiếp cận dựa trên từ điển và ii) Tiếp cận dựa trên thống kê. 
Nghiên cứu này thực hiện việc phân đoạn bằng phương pháp tiếp cận dựa trên từ điển. Ý 
tưởng của phương pháp này là duyệt một câu từ trái sang phải và chọn từ có nhiều tiếng nhất xuất 
hiện trong từ điển. Đây là một trong những phương pháp đơn giản nhưng có thể gặp phải rất nhiều 
các trường hợp nhập nhằng trong tiếng Việt. Tuy nhiên, nghiên cứu này chủ yếu triển khai thử 
Nguyễn Minh Hiệp, Nguyễn Thị Lương, Lê Văn Phượng, Nguyễn Thị Minh Huyền, và Đinh Viết Tuấn 
9 
nghiệm hệ thống dịch tự động trong một chủ đề nhất định, cụ thể là bản tin dự báo thời tiết, vì vậy 
vấn đề về nhập nhằng ngữ nghĩa sẽ ít xuất hiện. 
Sau khi kết thúc giai đoạn tiền xử lý thì mỗi câu trong đoạn văn bản đã được tách từ. Mỗi 
câu này sẽ là đầu vào của khối xử lý tiếp theo, khối lọc ra những câu có xác suất cao nhất. Có thể 
nói đây là khối xử lý phức tạp nhất, tốn nhiều thời gian nhất và chất lượng của nó sẽ ảnh hưởng đến 
hiệu suất dịch của toàn bộ hệ thống. 
2.2.2. Bộ giải mã (Decoder) 
Phần tiếp theo của một hệ dịch máy thống kê là chức năng tìm kiếm câu đích (giải mã). 
Chức năng của một bộ giải mã là từ câu nguồn V sẽ tìm câu cần dịch K sao cho tích của hai xác 
suất mô hình dịch và mô hình ngôn ngữ là lớn nhất. Như đã trình bày ở trên, theo như công thức (5) 
và theo mô hình gióng hàng 𝑎 thì 𝑝(𝑣1
𝐼|𝑘1
𝐽) sẽ được xác định bởi: 
ml
kvpS
m
j
aj j

 0
)|(
k) | a p(v, (7) 
Ví dụ: Với một câu đâu vào như sau: v = Hôm nay nắng nhiều quá (hôm nay | nắng | nhiều | 
quá). Trong kho dữ liệu ngữ liệu song ngữ có câu: k = ngai tơngai gel du ềt (có bản dịch là Ngày 
nắng ít quá (ngày | nắng | ít | quá)). Mô hình gióng hàng a sẽ là cặp câu liên kết giữa tiếng Việt và 
bản dịch của tiếng K’Ho thông qua kho dữ liệu ngữ liệu song ngữ như sau: 
v: Hôm nay | nắng | nhiều | quá 
k:Ngày | nắng | ít | quá 
Dựa vào từ điển đồng nghĩa ta có các xác suất như sau: 
p(hôm nay|ngày)=0.7, p(nắng|nắng)=1, p(nhiều|ít)=0.3, p(quá|quá)=1 
Áp dụng công thức (7), ta có: 
 p(v,a|k)= 
4+[p(hôm nay|ngày)++p(quá|quá)]
4+4
=
4+3.0
4+4
=0.875 
Như vậy, sau khi chọn được câu có k có xác suất cao nhất, thì sẽ đến bước tiếp theo là hậu 
xử lý. 
2.2.3. Hậu xử lý 
Đầu vào của khối xử lý này là câu có kmax xác suất cao nhất được chọn đối với câu cần dịch 
thông qua bộ giải mã. Chỉ còn một pha cuối cùng chính là pha thay thế, thêm và xóa các từ cho câu 
đầu vào để có được câu dịch cần tìm. Thực chất đây là sự điều chỉnh phần câu dịch (ngôn ngữ đích) 
của mẫu để nó trở thành câu dịch cuối cùng. 
Ví dụ: v: hôm nay nắng nhiều quá; k: ngày nắng ít quá (K’Ho: ngai tơngai gel du ềt). 
 Bước 1: Đánh dấu các từ có thể thay thế, ví dụ ở đây từ “nhiều” là thành phần thay thế 
của “ít”. 
 Bước 2: Thực hiện xóa các từ ở câu k. Kết quả hiện tại của câu k: 
 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT [ĐẶC SAN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG] 
10 
Việt: ngày nắng ít quá. 
K’Ho: ngai tơngai gel du ềt. 
 Bước 3: Thực hiện thêm các từ còn thiếu, xóa các từ dư thừa của câu k để giống hoàn 
toàn với câu input. Kết quả hiện tại của câu k: 
Việt: hôm nay ngày nắng ít quá. 
K’Ho: ngai do ngai tơngai gel du ềt. 
 Bước 4: Thực hiện pha thay thế, ở đây, từ “ít” chính là từ được thay thế bởi “nhiều”. 
Tra trong từ điển song ngữ từ nhiều có nghĩa là “rà”. Việc chính ở đây là thay thế trong 
câu ví dụ từ “ít” trong câu K’Ho thành từ “nhiều” tương ứng. Trong câu song ngữ như 
đã nói ở phần kho ngữ liệu, có một trường được gọi là đánh dấu liên kết sẽ biết được từ 
“ít” trong câu ví dụ tiếng Việt sẽ tương ứng với từ nào trong câu ví dụ K’Ho. Ở đây “ít” 
chính là từ “du ềt” và cuối cùng chỉ cần thay thế từ “du ềt” thành từ “rà”. Kết quả: ngai 
do ngai tơngai gel rà. 
Vậy câu dịch cuối cùng là “ngai do tơngai gel rà”. Ở đây, có một đánh giá đối với pha thay 
thế. Thay vì phải xóa từ “ít” và thêm vào câu ví dụ từ “nhiều” thì kết quả sau khi thực hiện pha tạo 
mẫu: “ngai do ngai tơngai rà gel”. Bởi thuật toán thêm từ sẽ dựa trên từ đứng sau nó, ở đây từ 
“quá” đứng sau nó vậy từ “nhiều” sẽ được thêm trước từ “quá”. Vì vậy, kết quả sẽ có một chút sai 
lệch so với câu k, từ đó mà thể hiện được vai trò của pha thay thế trong trường hợp này. 
3. KẾT QUẢ THỰC NGHIỆM 
Ứng dụng dịch văn bản Việt - K’Ho dựa trên phương pháp STMT đã được xây dựng với 
phạm vi là dịch các bản tin dự báo thời tiết của Đài Phát thanh và Truyền hình tỉnh Lâm Đồng. 
Chức năng cơ bản là dịch văn bản tiếng Việt thành tiếng K’Ho với phạm vi như trên. Theo như thiết 
kế, hệ thống cần sử dụng đến ba loại dữ liệu chính: Từ điển song ngữ Việt – K’Ho; Từ điển đồng 
nghĩa; và Kho dữ liệu song ngữ. Để việc xử lý trong chương trình sau này được thuận tiện thì dữ 
liệu sẽ được cấu trúc và quản lý bằng hệ quản trị SQL Server. SQL Server là viết tắt của Structure 
Query Language, nó là một công cụ quản lý dữ liệu được sử dụng phổ biến ở nhiều lĩnh vực. Hầu 
hết các ngôn ngữ bậc cao đều có trình hỗ trợ SQL như VisualBasic, Oracle,Visual C Các chương 
trình ứng dụng và các công cụ quản trị cơ sở dữ liệu (CSDL) cho phép người sử dụng truy cập tới 
CSDL mà không cần sử dụng trực tiếp SQL. Nhưng khi chạy những ứng dụng đó thì phải sử dụng 
SQL. Chương trình thực nghiệm với cấu trúc từ điển song ngữ Việt - K’Ho như Hình 4, cấu trúc từ 
điển đồng nghĩa được mô tả như Hình 5 và cấu trúc kho ví dụ song ngữ được mô tả như Hình 6. 
Hình 4. Cấu trúc từ điển Việt - K’Ho 
Nguyễn Minh Hiệp, Nguyễn Thị Lương, Lê Văn Phượng, Nguyễn Thị Minh Huyền, và Đinh Viết Tuấn 
11 
Hình 5. Cấu trúc từ điển đồng nghĩa 
Hình 6. Cấu trúc tập mẫu 
Với phạm vi bản tin thời tiết của Đài Phát thanh và Truyền hình tỉnh Lâm Đồng, các kho dữ 
liệu đã được xây dựng bao gồm: 
 Kho dữ liệu mẫu: Gồm 212 cặp câu song ngữ Việt – K’Ho được trích từ các bản tin dự 
báo thời tiết của các năm 2015, 2016 và 2017 của Đài Phát thanh và Truyền hình Lâm 
Đồng; Báo Lâm Đồng; và Đài Tiếng nói Việt Nam; 
 Từ điển Việt - K’Ho: Gồm 622 từ (Trần, 2014); 
 Từ điển đồng nghĩa: Bao gồm 64 bản từ đồng nghĩa, mỗi từ sẽ có một hay nhiều từ 
đồng nghĩa (Nguyễn, 2001) và ứng với chúng là xác suất đồng nghĩa; Cùng nghĩa có 
thể thay thế nhau thì xác suất p(k|v) bằng 1 và ngược lại thì khoảng cách bằng 0, càng 
sát nghĩa thì xác suất càng gần 1. 
Ngôn ngữ lập trình C#.NET đã được sử dụng với môi trường phát triển là Visual Studio 
2013 để xây dựng ứng dụng chạy trên hệ điều hành Windows. Giao diện của ứng dụng như Hình 7. 
 TẠP CHÍ KHOA HỌC ĐẠI HỌC ĐÀ LẠT [ĐẶC SAN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG] 
12 
Hình 7. Giao diện của ứng dụng 
4. KẾT LUẬN 
Ứng dụng dịch văn bản Việt - K’Ho dựa trên phương pháp STMT đã được xây dựng thành 
công. Ứng dụng dịch khá hiệu quả và câu dịch có chất lượng tốt trong phạm vi bản tin thời tiết của 
Đài Phát thanh và Truyền hình tỉnh Lâm Đồng. Nhược điểm của hệ thống là đòi hỏi phải có kho ví 
dụ song ngữ phong phú, từ điển song ngữ và từ điển đồng nghĩa đầy đủ thông tin thì độ chính xác 
của câu dịch sẽ càng cao. Ứng dụng cần hoàn thiện các nhược điểm trên để tiến tới xây dựng các 
công cụ phức tạp hơn trong xử lý ngôn ngữ tiếng K’Ho như: Dịch văn bản cho nhiều lĩnh vực; 
Nhận dạng và tổng hợp tiếng K’Ho 
TÀI LIỆU THAM KHẢO 
Adam, L. (2008). Statistical machine translation. ACM Computing Surveys, 40(3), 1-49. 
Antal, V. D. B., & Peter, B. (2009). Memory-based machine translation and language modelling. 
The Prague Bulletin of Mathematical Linguistics, (91), 17-26. 
Đào, N. T. (2007). Nghiên cứu về dịch thống kê dựa vào cụm từ và thử nghiệm với cặp ngôn ngữ 
Anh - Việt. (Luận văn Thạc sĩ), Học viện Công nghệ Bưu chính Viễn thông, Việt Nam. 
Nguyễn, V. T. (2001). Từ điển từ đồng nghĩa tiếng Việt. Hà Nội, Việt Nam: NXB. Giáo dục. 
Pushpak, B. (2006). Machine translation. Florida, USA: CRC Press. 
Satoshi, S., & Makoto, N. (1990). Toward memory-based translation. Paper presented at The 13th 
Conference on Computational Linguistics, Finland. 
Trần, L. Q. (2006). Kỹ thuật dịch máy và ứng dụng vào tài liệu hàng không. (Luận văn Thạc sĩ), 
Trường Đại học Bách khoa Hà Nội, Việt Nam. 
Trần, S. T. (1999). Dân tộc - dân cư Lâm Đồng. Hà Nội, Việt Nam: NXB. Thống kê. 
Trần, V. L. (2014). Từ điển K’Ho - Việt. Hà Nội, Việt Nam: NXB. Giáo dục.