语音识别对神经网络机器口译质量影响的实证研究

发布时间：2021-08-13 01:18

　　2016年,谷歌发布神经网络机器翻译系统以来,神经网络机器翻译在口译上的应用愈发广泛,然而神经网络机器口译的实证研究仍然较少,且主要使用计算机科学侧重算法、建模的评价标准,较为抽象且不具有语言学意义;即使涉及口译质量评估,往往只进行文本翻译评估,很少涉及语音识别和翻译的全环节口译质量研究、语音识别环节对口译质量影响的研究。因此,本文以能源与科技为口译主题,以谷歌、搜狗、百度和讯飞的语音识别及翻译系统为工具,针对语音识别文本及原文文本的翻译结果开展了对照试验。本文从译员的角度出发,使用具有语言学意义的口译质量评价标准代替传统的机器翻译质量评估方法,通过材料分级来细化实验结果,旨在研究语音识别环节对神经网络机器口译质量的影响,并就语音识别策略提出改进建议。本文通过实证研究发现,语音识别环节对神经网络口译质量产生了负面影响,表现为三个方面:其一,术语、专有名词的语音识别错误率偏高,导致较多错译、漏译。其二,语音识别结果未过滤口语冗余,导致译文表达欠流畅甚至出现错译。其三,标点符号识别有误、名词和数字表达不规范,导致译文出现语法错误甚至错译。据此,本文对神经网络机器翻译的语音识别策略提出了改进... 

【文章来源】：北京外国语大学北京市 211工程院校 教育部直属院校

【文章页数】：132 页

【学位级别】：硕士

【部分图文】：

语音识别文本与原文文本的译文得分情况变化(中英)


本文编号：3339447