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。

ChatGPT对地方高校翻译混合教学的挑战及其对策研究

智能聊天机器工具ChatGPT正展现出惊人的数据处理速度和人机交互能力,给地方高校翻译教学带来了新的机遇与挑战。各种教学模式间的平衡,学生的学习成长塑造,ChatGPT无疑是一把双刃剑。对教师而言,提升技术水平,以技术赋能教学是关键所在。文章通过分析ChatGPT对地方高校翻译混合教学的积极影响和潜在风险,提出相应的对策建议,旨在推动在语言智能背景下,技术融合地方高校翻译混合教学的长远发展。

基于TPACK的混合式翻译教学模式的探索与构建

该文探索和构建了以“内化翻译理论与技巧,提高翻译驾驭能力”为目标的基于TPACK的混合式翻译教学模式,旨在更有效地训练学生的翻译技能,促进翻译教学水平的提高,培养基本功更为扎实的应用型英语人才。

混合式机译中句型转换模块的设计与实现

句型转换和时态处理是混合式汉英机器翻译的两个重要阶段。主要介绍混合式机译中句型转换模块的设计与实现,其工作有:讨论词处理;建立汉英机器翻译的时态转换的匹配规则;给出了译文生成的一些处理方法。

多策略机器翻译研究综述

该文全面综述和分析了多策略机器翻译的研究。根据所采用策略方式的差异,我们将多策略机器翻译分为系统级策略融合和模块级策略融合。在分别介绍了不同的翻译方法后,着重介绍了系统级策略融合和模块级策略融合各自具有代表性的研究工作。最后,对多策略机器翻译的研究进行了展望。

句型转换的机器翻译理论模型与一些处理方法

自动分词和译文生成处理是混合式汉英机器翻译的两个重要阶段。本文主要工作有:第一,讨论了机器翻译的理论模型;第二,给出了一个自动分词算法,提出了一个初步消歧方法;第三,建立汉英机器翻译的时态转换及相关匹配规则。

基于语料库的机器翻译的问题与对策

现有的机器翻译系统包括基于规则和基于语料库的机器翻译都存在一个共同的问题：即不能准确理解和翻译莱一个具有多重语义的词、短语以及句子在特定语境下的语用含义。混合式机器翻译方法能够把基于规则的，基于统计的和基于实例的方法结合起来，可以根据原文的语义特点和句法结构特点随机地在这三种方法中做出选择，控制翻译过程的每一步骤，从而达准确理解原文的语用含义，得到最恰当的翻译结果。

互联网机器翻译

该文在回顾机器翻译发展的基础上,总结了主要的机器翻译方法,并主要阐述互联网机器翻译的特点及面临的挑战。面向互联网机器翻译的应用需求,并针对互联网资源具有海量、高噪声、时效性、稀疏的特点,提出了多策略混合翻译方法、资源挖掘和过滤以及分布式处理技术、领域自适应技术,针对数据稀疏论述枢轴语言技术和新语种快速部署技术;然后结合翻译与搜索技术,阐述翻译个性化特点和方案。最后,论述机器翻译技术和产品的应用。

Out-of-core clustering of volumetric datasets

In this paper we present a novel method for dividing and clustering large volumetric scalar out-of-core datasets. This work is based on the Ordered Cluster Binary Tree (OCBT) structure created using a top-down or divisive clustering method. The OCBT structure allows fast and efficient sub volume queries to be made in combination with level of detail (LOD) queries of the tree. The initial partitioning of the large out-of-core dataset is done by using non-axis aligned planes calculated using Principal Component Analysis (PCA). A hybrid OCBT structure is also proposed where an in-core cluster binary tree is combined with a large out-of-core file.

基于混合策略的高质量英汉机器翻译引擎设计

随着全球化进程的加快,人们对机器翻译性能要求的日益增高,基于单一方法的机器翻译系统其质量很难满足人们需求。鉴于不同的机器翻译方法之间存在着优势互补的特点,因而将不同方法结合,成为提高机器翻译质量的合理途径。本文提出了一种构建高质量的混合机器翻译引擎的方法,以传统的基于实例、规则和模板的多引擎机器翻译系统为基础,深层次地结合了统计机器翻译方法。使用统计学方法挖掘语料库并提取双语资源来扩展系统知识库。通过对齐两种机器翻译系统的译文结果,进行词汇替换,使用统计语言模型评分,来改善短语搭配和译文流利度。这种多范式融合的方法,结合了各种方法的优势,不仅大大降低了引擎的构建成本和周期,也使译文结果的准确性和流利度得到了提高。