基于多译文神经机器翻译数据增强方法

神经机器翻译(NMT)是目前机器翻译领域的主流技术之一,然而其翻译性能的优劣很大程度上取决于数据集的规模和质量。为了缓解数据集稀缺的问题,本文提出了一种基于多译文神经机器翻译的数据增强方法。首先,利用已训练的神经机器翻译模型翻译出多译文,接着,利用筛选策略选出多个译文,同时提出生成伪双语数据的2种策略:根据筛选出的译文找到对应的目标原文;利用反向翻译模型对多译文翻译。最后,生成的伪数据与原数据混合,训练增强后的翻译模型。实验结果表明,基于多译文数据增强方法可以有效提高NMT模型的翻译性能。

蓝诗玲翻译风格库助研究

英国汉学家蓝诗玲翻译的中国文学作品受到大家普遍关注。本文采用同源多译类比语料库的研究方式,与王际真、杨宪益、及莱尔等其他三位译者的英译本进行对比,考察蓝诗玲英译鲁迅小说的翻译风格。在此基础上,首次尝试用同一译者不同英译的类比语料库研究方法,将蓝氏英译鲁迅作品与其英译朱文的《我爱美元》进行比较,进一步验证其鲁迅作品英译中表现出来的风格。最后,结合中国文学作品在西方社会的接受状况、蓝诗玲的诗学立场、重译影响等,对蓝氏翻译风格成因进行了深入分析。