《AI移动智能终端蓝皮书（2018）》（节选）汉英翻译实践报告

发布时间：2022-01-06 07:26

　　目前移动智能终端对人工智能功能的需求日益迫切。出于对个人隐私保护的需求,并基于人工智能处理器发展快速的现状,端侧人工智能有望逐渐成为未来的发展趋势。AI与移动智能终端的结合不仅会给用户带来新的体验,也将对整个产业界造成深远的影响。相关科技文本的翻译对该技术的发展有重大意义。因此笔者选择了由CAICT于2018年7月发布于199IT网页的《AI移动智能蓝皮书》中的四部分,即AI移动智能终端的关键功能领域、终端测评体系、存在问题和挑战以及AI生态未来展望,作为原文本进行了翻译实践。本次实践中选择目的论作为翻译理论指导,详细分析并阐释了如何运用目的论的三原则解决科技类文本中的翻译问题。本报告共有五部分。第一部分介绍了相关背景信息及意义。第二部分描述了翻译任务,简要介绍了原文本的内容和特点,同时对目标语读者进行了分类介绍。第三部分大致描述了整个翻译过程,包括准备翻译理论、参考文献,制定翻译计划,选择翻译工具和应用质量保证方法。第四部分为案例分析,笔者基于目的论依次从词汇、句法和语篇层面分析了科技类文本的翻译,对科技类文本中包含的术语、范畴词、多谓语长句和无主语句的翻译展开论述,并对语篇上的主位... 

【文章来源】：曲阜师范大学山东省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

语音转写系统框

始焖鳌＜蠢??通过语音识别的相关技术来确定待检语音中是否出现了指定的感兴趣的词汇。根据具体应用需求，一般可以有在线/离线，固定词表/可变词表等多种应用形式。最常用的方式是在语音识别的多候选输出上做关键词检测。采用多候选结果的原因是，最优选结果中往往有比较高的错误率，而多候选结果中则包含了大量正确的补充信息。研究表明，基于语音识别结果的多候选结果进行关键词检测对提高检索系统查全率的提高是十分有效和必要的。基于语音识别多候选词图的关键词检测系统框图如下所示:图3.2关键词检测系统框图整个系统由两大部分组成：大词汇量连续语音识别引擎和关键词检测模块。其中，大词汇量连续语音识别引擎的结构与上面1.1.1.1中介绍的语音转写类似。语音识别的

Appendices26多候选结果往往被表示为词格(Lattice)的形式。词格主要由节点和边组成。每一个节点表示一个时间点，每一条边表示一个识别单元假设(词、音节或音素)，边将不同时刻的节点连接起来，形成一个有向非循环图，如下图所示。图3.3词格示意图在图3.2的系统中，词格搜索模块在词格上进行关键词匹配，找到关键词出现的时间；置信度估计模块将进行后验概率表示，作为置信度输出。该置信度越大表示该检出结果越可信。通常，用于描述语音转写的技术指标有：1)FAR，虚警率，表示虚报的关键词；2)FRR，漏报率，表示漏报的关键词；3)Recall，召回率，表示系统所能找到的候选结果中，正确关键词检测结果的数量占实际出现的关键词数量的比；4)EER，等错误率，当虚警和漏报达到一致时候的系统工作点错误率。显然，FAR，FRR，EER越低越好；3.1.2语义识别语义识别，也称语义理解。即通过自然语言处理的相关技术，从用户说的话(自然文本，或者语音识别后的转写文本)中挖掘出结构化的信息，为后端基于语义的推理决策等功能模块进行服务。语义理解一般被分为三个任务：领域分类(DomainClassification)、意图检测(IntentDetection)、语义槽填充(SlotFilling)。其中一般的语义理解流程是一个用户句子进来，先进行领域分类，确定对话领域后，再进行领域内的意图检测和语义槽值填充。3.1.2.1领域分类领域分类，是根据用户说的话判断这句话属于哪个对话领域的方法。通常，领域分类是语义理解的第一步模块。领域分类具有传统分类问题的一系列衡量指标：1)ACC：领域分类的整句分类的准确率，句子领域划分错误则算错。2)Precision：领域分类的精确率，即预测出正确类别的比例。3)Recall：领域分?


本文编号：3572017