混合机器翻译的研究现状和发展趋势

混合机器翻译是一种综合了多种机器翻译方法的组合方法,以提高翻译质量和效率。文章介绍了混合机器翻译的基本概念和分类,包括基于规则、统计和神经网络的混合方法,然后对混合机器翻译的优点和挑战进行分析,最后总结了当前混合机器翻译的应用情况和未来发展方向,并提出了一些可能的解决方案。

机器翻译质量评估:方法、应用及展望

随着机器翻译译后编辑模式在语言服务行业的广泛应用,机器翻译质量评估的重要性日益凸显。本文探讨了业界三种主流机器翻译质量评估方法的优劣以及适用性。研究发现,人工评估、有参考自动评估、无参考自动预估三种方法各有其优势与不足,在特定场景下应根据需求不同灵活地选择评估方法。在未来,机器翻译质量评估研究应在提高自动评估准确率、增加质量评估维度、开展垂直细分领域评估等方面深入挖掘。

ChatGPT和Sora在英语演讲教学中的个性化特征研究

文本以英语演讲课程为例,探讨了在高校利用ChatGPT和Sora辅助英语演讲教学的可能性。英语演讲是英语专业的专业核心课程,该课程以语言为手段,以交际为目的,注重交际过程中对学习者听说读写等能力的培养,因此,该课程更加需要个性化教学设计。个性化是ChatGPT和Sora生成式人工智能模型的显著优势,对语言教学具有重要意义。经过两轮教学和反思,研究发现ChatGPT和Sora在教师教学创新与个性化教学资源拓展、培养学生批判性思维、设计人机合作学习活动,以及建立基于AI的学生和教师评价共同体等方面都发挥着重要作用。

机器翻译的译后编辑策略探究

人类首次提出机器翻译至今已有70多年,随着语言处理路径不断更新,尤其得益于人工智能技术的发展,机器翻译已经进入神经网络翻译时代。机器翻译速度和效率得到极大提高,从而日益受到大众的青睐。目前,机器翻译技术尚未成熟,仍然存在较多问题,因此有必要进行译后编辑。文章以机器在线翻译的译文为研究对象,并对其进行分析,从词汇、句法及语篇三个层面提出译后编辑策略,以期提升机器翻译质量和效率。

语言模型蒸馏的低资源神经机器翻译方法

大规模平行语料库的缺乏是低资源神经机器翻译面临的关键问题之一。提出语言模型蒸馏的神经机器翻译方法,通过单语语言模型对神经机器翻译训练进行正则化,引入语言模型包含的先验知识以提升翻译效果。具体地,借鉴知识蒸馏思想,使用丰富单语数据训练的目标端语言模型(教师模型)构造低资源神经机器翻译模型(学生模型)的正则化因子,让翻译模型学习到语言模型中高度泛化的先验知识。与传统单语语言模型融合参与解码过程不同的是,本文方法中的语言模型只在训练阶段使用,不参与推断阶段,因此能够有效提升解码速度。在第十七届全国机器翻译大会CCMT2021维吾尔语-汉语和藏语-汉语2种民汉低资源翻译数据集上的实验结果表明,相比目前最先进的语言模型融合方法,BLEU提高了1.42%(藏汉方向)~2.11%(汉维方向)。

人工智能支持下开展高校英语翻译活动课的教学思考

高校英语翻译活动课主要是为了提高学生的英语翻译水平,培养学生的英语语感。基于人工智能技术开展高校英语翻译活动课,教师需了解人工智能的特征和优势,再将其巧妙融入英语翻译活动课,构建丰富有趣的教学模式,以吸引学生的注意力,培养学生的语感,使学生能正确掌握翻译技巧,提高英语翻译水平,为今后的就业和发展奠定扎实的基础。基于此,阐述了人工智能的特征,分析了人工智能技术下高校英语翻译活动课的育人优势,并对人工智能支持下开展高校英语翻译活动课展开了教学思考。

机器翻译在不同文本中的应用

随着计算机技术的发展和互联网的普及,机器翻译工具的应用越来越广泛。但在处理文化文本翻译时,机器翻译还存在很多问题。本文分析了韩中机器翻译工具Naver Papago机器翻译文本研究对象存在的问题,并提出了弥补机器翻译缺点的译文。

英汉词汇对比视角下的机器翻译与译后编辑——以中国出席第77届联合国大会立场文件为例

基于英汉词汇对比理论,深入探讨机器翻译和译后编辑如何处理重复词汇的问题。采用案例分析的研究方法发现,机器翻译系统在处理重叠、反复现象方面取得了进步,但在处理对偶和排比中的重复现象时仍存在局限性。为了提升现有水平下机器译文的质量和可读性,提出三个译后编辑策略:根据词汇语境转变去重复方式、融合或省略对偶排比句中的重复语义以及处理汉语词缀重复时发挥英语的派生优势。

AI时代中国学生机器翻译译后编辑认知努力研究

以新型人机共生关系为研究视角,对中国学生在外语学习中如何使用机器翻译并进行译后编辑进行分析研究。研究结果表明:大多数受试者既不能识别也不能纠正遗漏、拼写、单位转换、功能词、术语和词序等方面的错误,这说明机械翻译译后编辑并非易事;中国学生在老师的指导帮助下,通过学习特定的译后编辑技能,译后编辑的质量会得到显著提高。

习近平有关“人类命运共同体”论述的机器翻译译后编辑问题与对策研究

新时代,机器翻译在外宣文本翻译中的应用日趋广泛。基于习近平有关“人类命运共同体”论述的机器翻译及其译后编辑研究,对促进习近平新时代中国特色社会主义思想的高质量国际传播具有重要意义。该文通过对比分析机器翻译与译后编辑译文,总结得出:中国传统文化语句的常见译后编辑策略包括理解典籍内涵,修正衔接语义,调整语言格式等;针对专有名词的直译问题,采用直译核心义,增补引申义,衔接总语义等策略。比较分析汉译英与汉译日两类译本,不仅有助于明确不同目标语言译后编辑对策的一致性与多样性,还可以为提高外宣文本质量提供一定启示。

基于ALBERT的藏汉神经机器翻译研究

藏汉翻译能够极大促进藏汉科技文化交流以及教育文化事业的发展,但一直以来都面临着低资源语种平行语料匮乏的困境,因此通过将预训练语言模型ALBERT引入到藏汉翻译中,利用大规模的藏文单语数据集训练ALBERT模型来改善藏汉翻译效果。实验表明,引入预训练模型ALBERT可以有效提升藏汉神经机器翻译效果。

藏汉神经机器翻译研究综述

让计算机进行自然语言翻译一直是人类长期追求的目标之一,同时也是人工智能的最终目标之一。近年来神经机器翻译是研究者最青睐的方法,但像藏汉机器翻译属于低资源语言上的翻译效果并不是很理想。文章回顾了机器翻译技术的发展历程并简述研究现状,接着对近几年的藏汉机器翻译方法进行了简要的介绍。

基于语料库的《中国的航天》白皮书翻译研究

《中国的航天》白皮书旨在向国内外介绍中国政府发展航天的宗旨、原则、现状、目标和国际合作等内容,不仅是政府的官方文件,还是塑造中国形象的重要工具。本文以形象学理论为基础,基于语料库技术,以2011年、2016年、2021年《中国的航天》白皮书汉语原文及英语官方译文为语料对象,研究《中国的航天》白皮书的主题词,探究白皮书构建的中国形象及其翻译效果。研究发现《中国的航天》白皮书中构建了一个科技领袖、国际合作伙伴、创新驱动者、全球贡献者、可持续发展支持者和空间探索先锋等多维度的中国形象。

翻译工程师需求与翻译人才技术能力培养研究

随着全球化和信息化进程不断推进,传统人工翻译已不能满足翻译产业对语言服务的巨大需求,“机器翻译+译后编辑”已经成为翻译生产采用的主流模式。ChatGPT的全球爆火使融合人工智能技术的机器翻译对翻译行业、翻译教育带来颠覆性的影响。数字时代,掌握翻译技术并能熟练使用技术工具的翻译工程师队伍是翻译工作提质增效的关键。在此背景下,高校翻译教育需要修订人才培养方案,细化翻译技术能力框架,优化翻译专业课程设置,增加翻译技术理论和实践课程,利用项目式翻译工作坊和翻译赛事驱动等方式,全面提升翻译人才的技术能力。

国际化语言视域下南京公示语翻译译写调查研究

公示语翻译作为近年来的研究热点,相关理论与研究不断深入。随着国家公共服务领域国家标准的研制,公示语翻译步入规范化进程,有理可依,有范可循。该文以南京地铁公示语翻译作为研究中心,采用文献研究法与田野调查法,探寻近年来公示语的发展历程与变化,深入探究南京地铁公示语翻译的问题与建议改进措施,使南京地铁公示语在呈现南京形象时能带来与众不同的感受。

三款机器翻译译后编辑工具对比研究

随着人工智能神经网络翻译质量的日益提升,语言服务企业和翻译研究学界对机器翻译+译后编辑(MTPE)模式的接受度越来越高,并从各个角度不断探索提高MTPE质量与效率的方法策略。其中,工具平台的使用直接影响译后编辑的质量和效率。基于此,选择YiCAT、LanguageX和GT4T三款同时聚合多个机器翻译引擎的平台工具,结合民航《风险管理手册》翻译实践,从项目创建、编辑页面布局和语料管理3个维度分析其异同与优劣,探索工具选择时应考虑的各方因素以及MTPE平台未来发展的趋势。

ChatGPT大语言模型在翻译教学中的应用前景分析

ChatGPT是一种基于人工智能技术的语言模型,它可以根据输入的问题或指令生成相应的回答或文本。由于其强大的自然语言处理能力,ChatGPT已经在多个领域得到广泛应用。在教育领域中,ChatGPT作为智能语言模型,其应用也越来越受到人们的关注和重视。自投入应用以来,ChatGPT作为一种新技术,一些教育机构开始尝试利用其改进教师教学方法,提升学生学习效果。在翻译教学领域,ChatGPT也逐渐显现出其推动作用。但是,一项新技术的产生及应用,必然存在诸多待完善的地方。文本从ChatGPT在教育领域,尤其是翻译教学方面入手,分析其现状、问题以及发展前景,以期通过正确使用诸如ChatGPT的人工智能软件,促进翻译教学高质量发展。

融合BERT与词嵌入双重表征的汉越神经机器翻译方法

神经机器翻译是目前主流的机器翻译方法,但在汉-越这类低资源的机器翻译任务中,由于双语平行语料规模小,神经机器翻译的效果并不理想。考虑到预训练语言模型中包含丰富的语言信息,将预训练语言模型表征融入神经机器翻译系统可能对低资源的机器翻译有积极作用,提出一种融合BERT预训练语言模型与词嵌入双重表征的低资源神经机器翻译方法。首先,使用预训练语言模型和词嵌入分别对源语言序列进行表示学习,通过注意力机制建立2种表征之间的联系后,使用拼接操作得到双重表征向量;然后,经过线性变换和自注意力机制,使词嵌入表征和预训练语言模型表征完全自适应融合在一起,得到对输入文本的充分表征,以此提高神经机器翻译模型性能。在汉越语言对上的翻译结果表明,相比基准系统,在包含127000个平行句对的汉越训练数据中,该方法的BLEU值提升了1.99,在包含70000个平行句对的汉越训练数据中,该方法的BLEU值提升了4.34,表明融合BERT预训练语言模型和词嵌入双重表征的方法能够有效提升汉越机器翻译的性能。

全媒体时代冰雪项目英汉平行语料库开发与应用研究

2022年北京冬奥会的成功举办以及中国冰雪项目的国际化发展,离不开高效的语言服务。全媒体时代冰雪项目英汉平行语料库具有语料覆盖范围广和时效性强的特点。以师生自主翻译语料为主,经过语料的搜集、清洗、对齐、检索与提取、标注,初步建成主要应用于翻译和口语教学的英汉平行语料库。教学实践显示:学生的语言能力得以提升,能较为准确地把握冰雪项目的文本特征,笔译和口语表达能力得到显著提升。冰雪项目英汉平行语料库的建设过程充分实现了教、学、研的结合。随着冬奥项目在中国的普及,英汉平行语料库会为冰雪项目语言服务人才的培养做出更大的贡献。

篇章约束的译文质量评估模型

提出一种新的篇章约束辅助的译文质量评估模型,不依赖参考译文,为源文篇章中的每条句子的译文进行打分。首先从句子级别的语义表示和词级别的指代特征的角度建模源文和译文上下文之间的差异,然后设计额外的损失函数,使得模型在预测分数的同时,尽可能地约束两者之间的差异。实验结果表明,所提方法能有效提高译文质量评估的性能,在Pearson相关系数上较基线系统最高可提升6.68个百分点。