基于神经网络的在线机器翻译系统英汉互译质量对比研究

上海翻译 ›› 2021, Vol. 159 ›› Issue (4): 46-52.

基于神经网络的在线机器翻译系统英汉互译质量对比研究

李奉栖

(西南政法大学,重庆 401120)

收稿日期:2019-04-22 出版日期:2021-08-10 发布日期:2021-08-10
作者简介:李奉栖,西南政法大学外语学院副教授,研究领域:句法学、翻译理论与实践。
基金资助:
教育部人文社会科学研究规划基金项目“人工智能时代背景下的人机英汉翻译对比及翻译教学模式研究”(编号:19XJA740003)。

Received:2019-04-22 Online:2021-08-10 Published:2021-08-10

摘要/Abstract

摘要： 神经网络翻译技术的问世使得机器翻译的质量大幅度提升,以至于有人惊呼机器翻译将代替人工翻译。本文选取五大在线机器翻译系统(OMT),采用定量研究方法,考察它们在英汉互译上的整体表现以及在不同转换方向(英汉、汉英)上的不同表现。结果表明:它们在英汉翻译和汉英翻译上的整体质量均达到了及格及以上水平,基本能实现交际目的,但离良好及以上水平尚有差距;个体OMT在英汉翻译上的表现存在着显著性差异;个体OMT在汉英翻译上的表现也存在着显著性差异;五大OMT在汉英翻译上的整体表现显著优于英汉翻译。本研究可为读者选择高性能OMT、为开发商提升系统性能提供参考。

关键词: 神经网络翻译技术, 在线机器翻译系统, 英汉互译, 对比研究

中图分类号:

H059

李奉栖. 基于神经网络的在线机器翻译系统英汉互译质量对比研究[J]. 上海翻译, 2021, 159(4): 46-52.

参考文献

[1] Bentivogli, L. et al. Neural versus phrase-based machine translation quality: A case study [A]. In Association for Computational Linguistics (ed.). Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing [C]. Austin, Texas, 2016: 257-267.
[2] House, J. Translation [M]. Oxford: Oxford University Press, 2009.
[3] Isabelle, P., Cherry, C. & Foster, G. A challenge set approach to evaluating machine translation [A]. In Association for Computational Linguistics (ed.). Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing [C]. Copenhagen, Denmark, 2017: 2486-2496.
[4] Junczys-Dowmunt, M., Dwojak, T. & Hoang, H. Is neural machine translation ready for deployment? A case study on 30 translation directions [EB/OL]. In Proceedings of the International Workshop on Spoken Language Translation 2016 (1 ed., Vol. 1). https://workshop2016.iwslt.org/downloads/IWSLT_2016_paper_4.pdf. 2018-07-24.
[5] Klubička, F., Toral, A. & Sánchez-Cartagena, M.V. Fine-grained human evaluation of neural versus phrase-based machine translation [J]. The Prague Bulletin of Mathematical Linguistics, 2017, 108(1): 121-132.
[6] Koehn, P. & Knowles, R. Six challenges for neural machine translation [A]. In Association for Computational Linguistics (ed.). Proceedings of the First Workshop on Neural Machine Translation[C]. Vancouver, Canada, 2017: 28-39.
[7] Sdobnikov, V. V. Translation strategy revised: The communicative-functional approach [J]. Journal of Siberian Federal University, 2011, 10 (4): 1444-1453.
[8] Toral, A. & Sánchez-Cartagena, M.V. A multifaceted evaluation of neural versus phrase-based machine translation for 9 language directions [A]. In Association for Computational Linguistics (ed.). Proceedings of the 15th Conference of the European Chapter of the Association for Computational Linguistics: Volume 1, Long Papers [C]. Valencia, Spain, 2017: 1063-1073.
[9] Williams, M. Translation Quality Assessment: An Argumentation-centered Approach [M]. Ottawa: University of Ottawa Press, 2004.
[10] Wu, Y., Schuster, M., Chen, Z., Le, Q. V. & Norouzi, M. Google’s neural machine translation system: Bridging the gap between human and machine translation [EB/OL].https://arxiv.org/pdf/1609.08144v2.pdf, 2016. 2018-07-24.
[11] 胡开宝, 李翼. 机器翻译特征及其与人工翻译关系的研究[J]. 中国翻译, 2016(5): 10-14.
[12] 黄海英, 冯剑军. 英汉专业翻译软件翻译质量的人工测评[J]. 中国科技翻译, 2008(1): 28-32.
[13] 罗季美, 李梅. 机器翻译译文错误分析[J]. 中国翻译, 2012(5): 84-89.
[14] 秦颖. 基于神经网络的机器翻译质量评析及对翻译教学的影响[J]. 外语电化教学, 2018(2): 51-56.
[15] 孙逸群, 周敏康. 机器翻译质量综合评价方法研究[J]. 中国科技翻译, 2017(2): 20-24.
[16] 孙致礼. 新编英汉翻译教程[M]. 上海: 上海外语教育出版社, 2011.
[17] 王金铨, 万昕, 董子云. 翻译质量评价方法及其在计算机翻译评价系统中的应用[J]. 中国翻译, 2018(4): 73-78.
[18] 项睿. 在线翻译软件灰色综合评价[J]. 信息技术, 2016(9): 77-80.
[19] 叶子南. 又想起了斯坦纳——写在新版“谷歌翻译”诞生之际[J]. 中国翻译, 2017(1): 89-91.
[20] 祝朝伟. 机器翻译要取代作为人的译者了吗?———兼谈翻译人才培养中科技与人文的关系[J]. 外国语文, 2018(3): 101-109.