中国能源治理话语翻译资源库的构建研究

中国建设能源强国,参与全球能源治理,离不开能源话语实践特别是能源治理话语实践。中国能源治理话语以其特有的话语概念已经形成国家话语,但只有通过国家翻译与国家修辞转化为国际话语,才能够切实赢得全球能源话语权,提升中国参与全球能源治理的话语能力。从中国能源话语研究现状着手,阐明能源治理话语的内涵及特征,提出构建“三库合一”的能源治理话语翻译资源库,包括中国能源治理话语翻译术语库、翻译语料库、翻译修辞案例库,整理收集中国能源治理话语的相关资源,依托翻译这一跨语际实践规范能源治理话语,提升能源治理话语的认可度和传播力。

翻译资源全网共享的实现构想

计算机辅助翻译技术诞生后,一直在专业翻译领域起着不可或缺的作用。机辅翻译的基本原理是利用翻译数据库自动重复已经翻译过的语句成分或完整语句,使翻译者免于重复劳动;但是大部分翻译记忆软件中的库资源共享范围却十分有限。文章旨在讨论如何改变翻译资源局域化利用的现状,通过译员资质登记、证号登录,资源库更新多人认证和参考译文的严格匹配,解决库资源缺乏质量保证和保密材料泄露的问题,达到翻译资源全网共享的新目标。

地方政府对外发展战略与外宣翻译资源的整合利用--以常德市旅游品牌“桃花源”外宣翻译为例

本文以常德市旅游品牌“桃花源”外宣翻译为例,探讨了对外发展战略与外宣翻译资源整合的重要性,整合外宣翻译资源规范景点名称外译的必要性,分析了桃花源名称英译的现状,最后提出外宣翻译资源整合建议。

河南省红色文化旅游翻译资源在高职英语教学中的应用研究

河南省红色文化旅游翻译资源在高职英语教学中的应用可以满足高职英语课程思政的需要,丰富教学内容,促进河南省红色文化宣传,为培养高职学生跨文化传播能力提供鲜活生动的素材。本文从课堂教学、网络学习平台、第二课堂这三个方面探讨其在高职英语教学中的应用,希望能够起到抛砖引玉的作用,给广大英语教师一些启发和参考。

基于机器学习的陕西旅游文化法英翻译资源库构建方法

对于我国丰富的旅游资源,传统的人工翻译已经无法满足人们的需求,为此,基于机器学习构建陕西旅游文化法英翻译资源库。确定资源库的总体架构和功能架构,利用朴素贝叶斯分类算法对资源训练,根据计算得出的文本属性权重大小对资源文本分类划分,通过机器学习自学习过程补充和完善资源库中的资源属性,保证资源库中资源具有较高的准确性,至此完成资源库的构建。通过性能测试结果可知,应用所提方法后法英翻译资源库在忠实度、流畅度和可理解度方面均有了明显提升,为旅游翻译工作者提供了强有力的基础保障。

一种Mask交互融合预训练知识的低资源神经机器翻译方法

融合预训练语言知识是提升低资源神经机器翻译性能的有效手段.现有融合预训练语言知识的方法都比较复杂,计算资源消耗较大.针对以上问题,本文提出了一种简单有效的Mask交互融合预训练知识的低资源神经机器翻译方法,首先利用BERT的句子表征与源语言表征的自注意力交互计算两种表征的相似度,根据相似度值构造Mask知识矩阵,然后将Mask知识矩阵作用于源语言表征,自适应地将BERT表征中对低资源神经机器翻译任务有益的语言知识融入翻译模型,提升翻译模型对语言知识的表征能力.在IWSLT标准低资源翻译任务上的实验结果表明,与Transformer基线模型相比,所提方法获得了0.9~3.39的BLEU值提升,证明了所提方法能够有效利用预训练语言知识增强神经机器翻译性能.

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)。

GEA-NMT:图卷积增强的多任务低资源机器翻译模型

在低资源语种上训练高质量机器翻译系统的主要障碍是平行语料的稀缺,一些低资源语言在语言上与高资源语言相关或相似,相似的语言可能使用相同的字符集或类似的句法结构.本文利用低资源语种上的单语数据及与之相关联的高资源语种和目标语言的平行语料,尝试将翻译知识进行迁移,从而完成低资源语种和目标语言间的翻译模型训练.本文提出一种图卷积增强的多任务训练低资源神经机器翻译模型(GCN Enhanced multi-task Adapting Neural Machine Translation,GEA-NMT),结合降噪自编码器、生成对抗训练、回译和桥接方法,并使用图神经网络学习句法依赖关系以进一步提升低资源语种上的神经机器翻译模型效果.

同源语料增强的低资源神经机器翻译

缺少平行句对的低资源机器翻译面临跨语言语义转述科学问题。该文围绕具体的低资源印尼语-汉语机器翻译问题,探索了基于同源语料的数据增广方法,并混合同源语料训练出更优的神经机器翻译模型。这种混合语料模型在印尼语-汉语机器翻译实验中提升了3个多点的BLEU4评分。实验结果证明,同源语料能够有效增强低资源神经机器翻译性能,而这种有效性主要是源于同源语言之间的形态相似性和语义等价性。

论翻译技术教育及其师资资源建设

翻译技术教育日益引起社会关注,却长期受到师资短缺问题的困扰,解决问题的关键在于对翻译技术教育的准确认识和对翻译技术师资资源建设的不懈探索。本文运用文献调查、概念思辨、比较研究等方法,对技术、信息技术、翻译技术、语言服务、教育技术、技术教育、技术培训等翻译技术教育的外延概念进行阐述,进而明确翻译技术教育的内涵和定位,指出翻译技术师资需要具备的素养,找到翻译技术师资资源建设合理路径,提出了实施方案和建议。

评价理论视域下的哲学语篇人际意义翻译研究——以杜威和本特利《认知与所知》中译本为例

功能语言学认为语言具有表达概念意义、逻辑意义、语篇意义和人际意义的功能,其中人际意义可以通过评价系统、协商系统、以及参与系统等系统资源的使用来表达。目前学界对哲学语篇如何建构人际意义,以及哲学语篇人际意义的翻译关注较少。《认知与所知》一书中,杜威和本特利大量使用评价系统资源,包括态度子系统和介入子系统两个子系统方面的资源,以及参与系统资源,表达的人际意义十分丰富。翻译过程中,译者应在充分理解语篇人际意义的基础上,针对不同的表达资源使用不同的翻译策略,准确再现作者想要传递的人际意义。

网络资源辅助翻译教学“三阶段”新模式

翻译职业化对翻译教学的人才培养模式提出了新的要求。网络资源辅助翻译教学成为一种重要的手段,译前、译中和译后"三阶段"网络资源辅助翻译教学模式能切实提高翻译教学质量和学生们的翻译水平。

中国译者的在线辅助翻译资源谈

奥斯特米勒的《译者的电子工具》一书是中国译者了解翻译工具的窗口。根据对该书的分析和对我国翻译发展重新定位,选择适合我国译者的在线辅助翻译资源显得很有必要。本文从译前、译中和译后三个阶段详细讨论并归纳了目前英汉互译中最新在线辅助翻译资源,以期为我国的译者了解和掌握翻译工具提供参考。

基于句法结构特征的汉越神经机器翻译

在低资源神经机器翻译中,长句译文质量普遍不佳,而汉-越语言差异较大,是典型的资源匮乏型语种,对于长句的处理应尽可能保持句子语义信息不变。因此,提出一种基于句法结构特征处理长句的方法。首先,对原有语料库中长句进行句法树解析,然后,根据句法解析树提取短句和对远离根节点的叶子节点词进行标记,最后,对提取的短句进行反向翻译生成伪平行数据作为扩充,对原有长句中标记词进行与该词语义相近词的加权组合替换训练。实验表明,该方法提高了模型性能,显著改善了长句译文质量。

民汉稀缺资源神经机器翻译技术研究

该文介绍了中国科学院自动化研究所参加第15届全国机器翻译大会(CCMT2019)翻译评测任务总体情况以及采用的技术细节.在评测中,中国科学院自动化研究所参加了3个翻译任务,分别是蒙汉日常用语机器翻译、藏汉政府文献机器翻译以及维汉新闻领域机器翻译;阐述了参评系统采用的模型框架、数据预处理方法以及译码策略;最后给出了不同设置下评测系统在测试数据集上的表现,并进行了对比和分析.

国外翻译理论资源在中国的影响力研究：1998-2011

在全球化语境下,国外翻译资源的涌入对中国文化、人文环境、社会发展和经济建设所起的作用至关重大,特别是在人文社会科学提倡跨学科发展的今天,翻译资源的变化与合理利用问题已迫在眉睫,但是,这一问题尚未引起研究界的足够重视。本文致力于对近13年来国外主要翻译理论资源在中国的影响力做一考察,包括对国外翻译理论资源在中国的总体占位和影响情况、翻译理论家个人热门资源的影响力、翻译流派资源的影响力和国家总体理论资源影响力等方面进行对比研究,试图考察中外翻译理论资源之间的力量对比变化和所存在的问题,在此基础上对我国翻译理论资源的未来发展方向和发展策略提供参考。

基于职业情境导向的数字化翻译教学资源平台的建设探索

在"大数据时代"信息飞速发展的背景下,结合笔者所在学院近些年商务英语专业翻译课程改革的实际,以教学资源开发和建设为突破口,对基于职业情境导向的数字化翻译教学资源平台的建设进行概念界定、原则分析以及内容的探索性研究,以期为商务英语翻译教学平台的建设提供一个有益的思路参考。

低资源维汉神经机器翻译研究

该文介绍了在第15届全国机器翻译大会的机器翻译评测项目中苏州大学的参赛情况,主要介绍参评系统使用的神经机器翻译模型基准结构以及采用的策略、方法,并介绍该系统在评测数据上的实验性能.

基于多任务学习的民汉神经机器翻译数据增强方法

神经机器翻译在资源丰富语言对中取得良好性能,但这种性能的取得通常以大规模的平行语料为前提。在民族语言与汉语之间仅存在小规模双语平行句对的情况下,该文提出把机器翻译中的数据增强技术融入多任务学习框架提升翻译性能。首先,通过对目标端句子进行简单的变换(如词序调整、词替换等)以产生非准确的新句子增强噪声;其次,将上述扩增的伪平行语料作为辅助任务融入一个多任务学习框架中以充分训练编码器,并使神经网络将注意力转移到如何使编码器中的源语言句子拥有更丰富准确的表示。通过在全国机器翻译大会(CCMT 2021)蒙汉、藏汉以及维汉3种机器翻译评测数据集上进行6个方向的互译实验,结果表明,在上述民汉翻译任务上,该文方法均显著优于基线系统及多种常见的机器翻译数据增强方法。