基于翻译方法的计算机翻译工具比较——以Systran、谷歌翻译、Trados为例

以往的计算机翻译工具研究大多从译文的质量或技术层面进行分析或比较,然而从其所使用的翻译方法的角度,对计算机翻译工具进行研究却并未受到研究人员的关注。文章基于计算机翻译方法,比较使用不同翻译方法的计算机翻译工具,以Systran、谷歌翻译(Google Translate)及SDL Trados为例,比较其优势和劣势,为用户提供使用计算机翻译工具的建议。

Systran和Google翻译系统英译汉质量评价——以四类文本翻译为例

随着科技的发展,机器翻译软件不断发展,它可以节省人力,已经成为翻译工作者不可或缺的辅助软件。本文采用人工评价和自动评测,对应用较广的Systran和Google翻译系统在四种类型文本上的英译汉译文质量进行评价,对比分析人工评价和自动评测的分值。结果表明Google翻译系统的译文质量要比Systran的高,两个系统的小说译文质量较高,体育报道的最低。

翻译认知视角下的神经网络翻译研究——以Systran PNMT为例

基于人工神经网络技术的机器翻译技术,是目前世界上新兴的机器翻译技术,备受学界、业界乃至全球很多大型实体企业、组织机构的关注和青睐。本文对Systran PNMT(Pure Neural Machine Translation)的研究背景、翻译系统应用价值、翻译效果等方面进行了分析,进一步阐明与认知相结合的信息翻译技术对翻译实践的辅助作用,并基于翻译认知理论对神经网络翻译技术的进一步发展提出建议和展望。

元数据记录的自动翻译：德州历史数字图书馆个例分析

对Google、Systran和Bing三个在线翻译系统在德州历史数字图书馆元数据翻译性能上的表现进行人工评价,评价指标包括:流利程度、充分程度、误译数目和漏译数目。分析得出Google和Bing在没有经过任何语料训练的情况下均达到或超越"非母语中文"的翻译水平,最后提出利用在线翻译系统实现数字图书馆多语言信息存取的几种策略。