以诊断排序式综合译文评价法衡量神经网络机器翻译之进展

发布时间：2018-01-06 18:33

本文关键词：以诊断排序式综合译文评价法衡量神经网络机器翻译之进展　出处：《北京外国语大学》2017年硕士论文　论文类型：学位论文

【摘要】：一直以来,机器翻译技术的发展始终与计算机技术、信息论、语言学等学科的发展紧密相关。近年来,随着人工智能的发展,一种新型机器翻译手段——神经网络机器翻译(NMT)开始逐步为人所知,其中最著名的就是谷歌研究团队推出的谷歌神经网络机器翻译(GNMT),其实验报告声称取得机器翻译有史以来的最大进展,将传统机器翻译准确度提高了 55%至85%以上。随着GNMT的面世,两种观点开始变得尤为流行:一种认为以GNMT为代表的神经网络机器翻译将很快全面取代人类译员,另一种则将GNMT视为神经网络机器翻译的最高水准,认为其性能与表现均应超过同类神经网络机器翻译系统。为检验以上两种观点,并衡量当前神经网络机器翻译所取得的真实进展,本文使用来自不同领域的真实语料对三个常见神经网络机器翻译系统(包括谷歌神经网络机器翻译、搭载了神经网络技术的百度翻译以及有道神经网络机器翻译)进行测试,并使用诊断性译文质量评价与排序评价结合的方式对测试结果进行评估。实验结果表明,神经网络机器翻译与传统机器翻译系统相比,译文质量的确明显提升,但同时与人类译文仍然差距尚远,短期内很难完全取代人类译员。另外,虽然GNMT采用了先进的人工智能技术,但神经网络机器翻译和其他机器翻译系统类似,译文质量受源语和文本类型影响明显。因此在汉英翻译的语境下,GNMT并非总能产出质量最高的翻译。相反,由于对汉语语料的熟悉程度高,国内的百度翻译与有道神经网络机器翻译反而表现更加突出。本文研究表明,神经网络机器翻译代表着机器翻译的未来,对未来翻译专业的教与学都具有重要启示。
[Abstract]:In recent years , with the development of artificial intelligence , the translation quality of a new type of machine translation has been improved by 55 % to 85 % .

【学位授予单位】：北京外国语大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：H085

【参考文献】