机器翻译引擎中数字翻译的定量研究——以2017年《政府工作报告》为例

摘要

随着计算机技术和人工智能神经网络的不断深化发展,机器翻译技术取得了巨大发展。2016年以来,谷歌、微软、百度、有道等国内外公司相继发布神经网络翻译系统,译文质量迈上了新的台阶。然而,在长期借助各类翻译引擎进行翻译实践的过程中,作者发现,各类机器翻译引擎对于数字这一具有静态语义与结构特征成分的翻译水平参差不齐。为了对机器翻译引擎处理数字翻译效果有更直观评判和比较,本研究以2017年《政府工作报告》为语料,借助谷歌、百度和有道三款主流翻译引擎进行翻译,以定量研究为视角,对序数数字、比率数字、数量数字等四个方面,对三款软件的数字翻译结果进行纵横评判,指出现阶段亟待解决的技术问题。研究发现,三款软件的数字翻译均表现出数据偏差、语篇层面数字类型不一致、语义偏差等问题,且表现出不同的特点。