基于改进机器学习的智能英语翻译机器人在线校准系统研究

摘要

针对传统英语翻译机器人在线校准系统的翻译质量差、译文质量估计不准确的问题,提出基于BiLSTM算法,构建CUNQE译文质量估计模型;之后在CUNQE模型的基础上进行英语翻译机器人在线校准系统整体结构设计。实验结果表明,在传统译文质量估计方法中加入语境词向量后,译文质量估计的准确性有效提升。相较于UNQE方法,CUNQE方法译文质量和相关性明显增强。且在汉英翻译和英汉翻译中,本方法的皮尔森相关系数均比传统UNQE模型高出了1.6%和2.4%。由此可知,提出的CUNQE方法能够进一步提升译文估计质量,具备一定的有效性。