基于云翻译平台的协同翻译工具研究

摘要

随着全球交流的越来越广泛以及信息科技的快速发展，不同国家不同种族之间的语言交流障碍问题日益明显，随着不同语言之间的沟通越来越重要，翻译行业也得到了迅速发展。目前的翻译市场还是以人工翻译为主，单纯的人工翻译，并且以个体为单位进行翻译工作虽然可以充分展现译员水平，但是效率低、成本高，所以现在一般采用计算机辅助人工翻译的方式。云翻译平台是基于云平台的协同翻译平台，平台不仅融合了先进的计算技术、语言处理技术，并且能够实现协同翻译，即将多名空间上分散的翻译人员组织起来共同完成一项翻译任务，以提高整个翻译行业的效率。
　　本文主要研究了如何在基于云翻译平台的协同翻译工具中加入项目组管理，从而更好地协调不同译员和翻译项目之间的关系，并将辅助翻译输入法作为翻译人员和协同翻译平台之间的桥梁，在不同翻译人员之间即时共享翻译信息，有效提高译员的翻译效率。同时通过协同翻译中的术语检测与识别，以及翻译记忆的实现，在提高译员的翻译效率的同时，还可以有效解决翻译内容重复，翻译成员之间各自为战，对专业术语翻译不统一的问题。本文的创新点如下:
　　(1)对于协同翻译中的术语检测与识别系统，我们将识别短语看成是一个分类问题，并同时引入了集成学习的方法，充分考虑了文档中存在的专业术语和非专业术语数量不平衡的情况，通过融合多个分类器的分类结果，减小了分类误差，显著提高了术语识别的准确性，对于提高翻译小组的翻译一致性提供了有效的帮助。
　　(2)在协同翻译系统项目组管理的功能中，将辅助翻译输入法作为协调不同译员之间以及译员与翻译项目之间关系的工具和桥梁，通过输入法更好地达到翻译一致性的目的，同时减轻翻译人员在使用计算机进行翻译时的工作量，节省翻译时间，提高翻译效率。

目录

声明

摘要

第一章 绪论

1．1 协同翻译介绍

1．1．1 协同翻译概述

1．1．2 协同翻译平台相关工作

1．2 本文研究的目的与意义

1．3 本文研究的主要内容

1．4 本文的组织结构

第二章 引入集成学习的术语识别模型

2．1 术语识别问题描述

2．1．1 术语的概念

2．1．2 术语的特征

2．2 相关工作

2．3 不平衡分类问题介绍

2．3．1 不平衡分类问题描述

2．3．2 不平衡分类问题的难点

2．3．3 不平衡分类问题的解决方法

2．4 引入集成学习的术语识别与检测

2．4．1 集成学习概念

2．4．2 集成学习基分类器获得方式

2．4．3 集成学习基分类器结果融合方法

2．4．4 引入集成学习的术语识别与检测方法

2．5 实验结果及分析

2．5．1 实验设置

2．5．2 评测指标

2．5．3 实验结果及分析

2．6 本章小结

第三章 项目组管理

3．1 项目管理问题描述

3．2 项目设立

3．2．1 确认项目需求

3．2．2 项目规划

3．2．3 任务分配

3．3 译员协调

3．3．1 翻译一致性协调

3．3．2 翻译进度跟踪及管理

3．4 译员评价

3．5 本章小节

第四章 系统设计与实现

4．1 系统框架设计

4．2 辅助翻译输入法

4．2．1 机器辅助翻译

4．2．2 汉字注音

4．2．3 译文候选提示

4．2．4 系统实现

4．3 系统测试结果与分析

4．3．1 系统测试

4．3．2 结果分析

4．4 本章小结

第五章 总结和展望

5．1 回顾与总结

5．2 进一步研究与展望

参考文献

硕士期间发表论文

致谢