浅论英汉语法结构差异及其翻译

本文将讨论几类有代表性的英汉语法修辞结构的差异及其英汉、汉英翻译。     

基于加权词汇衔接的文档级机器翻译自动评价

在文档词汇衔接评价LC方法的基础上, 提出基于权重的LC, 即WLC, 该方法通过在文档词图上运行PageRank算法获得词汇权重。根据词性信息使得PageRank算法偏向特定的词汇, 并提出PWLC方法。实验表明, 在文档级别上, 所提出的两种方法与人工评价的相关度都优于LC; 融合两种方法后, BLEU和TER在文档级别上的评价性能有显著提高。     

关于汉英翻译中异化策略的思考

异化与归化作为两种主要的翻译方法是翻译研究和争论的焦点之一。在汉英翻译中,译者的翻译目的就是向英语读者传达原著中的中华文化。本文以解构主义翻译理论作为指导。通过对汉英翻译例子的分析。论证了异化策略将是总的趋势。     

层次化蒙古语统计语言模型

蒙古文具有典型的构词、构形词缀的特点,一个蒙古语单词往往可以切分成词干和词缀等若干个部分.根据蒙古语的特点,提出了一种层次化的蒙古语语言模型,将蒙古语语言模型分为词干和词干、词干和词缀、词缀和词缀三个层次.在这三个层次上分别计算出独立的语言模型.把这种层次化的蒙古语语言模型方案应用到了一个统计汉蒙机器翻译系统中,实验证明所构造的层次化的蒙古语语言模型能够有效地提高汉蒙机器翻译的效果.     

机器翻译方法探讨

机器翻译简称MT,是人类利用计算机进行自然语言间的相互翻译。本文提出了机器翻译的分类及其特点。同时,本文还探讨了机器翻译遇到的问题和解决办法。     

基于统计机器翻译和WordNet提高翻译质量的研究——调查英语单词“Crack”的意义及搭配

本文探讨使用翻译软件和语料库改进翻译教学,提高翻译质量的各种具体办法。重点借助WordNet3．0中的同义词库搜寻同义词和相关词汇对“crack”的词性,主要词义,不同文本中“crack”的使用频率等方面进行了深入的分析。同时使用Goosle调查词组搭配是否地道常用,某些语法结构是否正确常用。依此揭示“crack”的真实用法和使用规律。旨在帮助译者选择在特定文本中“crack”的准确意义,排除歧义,提高翻译准确性。     

浅谈机器翻译中的译者主体性

本文分析了机器翻译的分类及其特点,探讨了机器翻译中译者主体性的客观存在,指出译者的主观能动性在机器翻译中同样起着关键性的作用,机器翻译离不开译者主观能动性的发挥,为了达到迅捷、高质量的译文,我们应该将机器翻译与译者翻译二者紧密结合起来。更好地为翻译实践服务。     

汉英机器翻译的单词处理研究

机器翻译涉及的技术很多. 本文的主要工作有两部分:第一部分给出词性兼类处理的一些方法;第二部分探讨汉英机器翻译时译文生成的处理, 包括建立汉英机器翻译的时态转换、相关匹配规则、名词的单复数处理算法. 第三部分研究多义词的一些处理处理. 第四部分提出单词处理的其它注意问题.     

神经网络机器翻译技术背景下机器翻译效果对比及其发展困境

神经网络机器翻译技术模拟人脑神经系统,以深度学习技术为基础,将整个句子作为翻译的基本单元,使得机器翻译的准确率大大提升。谷歌、百度、腾讯三家公司推出的翻译软件都采用了神经网络翻译技术,通过比较可知三者的长句翻译能力突出,译文风格各具特色,但在语言方面都仍面临困境。首先,因语言差异导致的漏译误译;其次,因词义多义引起的选词障碍;第三,因语境因素带来的隐性含义的理解。本文认为只有不断完善深度学习的算法,建立纠错数据库,进行跨学科交流,才能进一步提升机器翻译质量。     

神经机器翻译综述

机器翻译研究在非人工干预的情况下,利用计算机自动地实现不同语言之间的转换,是自然语言处理和人工智能的重要研究领域,神经机器翻译(neural machine translation,NMT)利用神经网络实现源语言到目标语言的转换,是一种全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在很多语言对上超过了统计机器翻译方法.首先介绍神经机器翻译的基本思想和主要方法,然后对最新的前沿进展进行综述,最后对神经机器翻译的未来发展方向进行展望.