机器翻译

摘要： 翻译技术是人工智能时代开展语言服务的重要依托,也是新时代翻译教学的重要组成部分.文章通过问卷调查发现俄语专业学生对包括机器翻译在内的翻译技术的认知存在一定偏差,特别是译后编译意识和能力缺乏,翻译技术能力亟待提升,并提出未来俄语专业教学要依据《普通高等学校本科俄语专业教学指南》的新要求,赋予俄语专业新动能、新生命,探索建构"语言+技术"和谐的俄语翻译技术教学体系.

摘要： 随着人工智能的发展和大数据时代的来临,国际学术交流日益深化和频繁,英语学术论文成为学术界的主要交流手段之一。同时,机器翻译迅猛发展,多个互联网公司都推出了自己的机器翻译系统产品,中国的英语学术论文的译后编辑成为一股新生力量,培养并提高译后编辑能力已经是时代所需。通过分析译后编辑的准备阶段及分析机器翻译的常见问题,重点探索译后编辑能力的培养和提高。

摘要： 为探讨医学翻译中译者在“机器翻译+译后编辑”模式下如何发挥主体性,本文选取兼具语言难度和背景知识的医学学术文本,采取机器译文和人工译文进行比较的研究方法,发现了机器翻译的若干优势和译后编辑的必要性,并提出了“机器翻译+译后编辑”模式下的具体策略:译者应主动借助机器翻译;回归翻译技巧等核心技能,以改正机器译文中的错误;还可借助计算机辅助翻译或语料库资源完善术语或其他词句的表达。

摘要： 针对电气工程领域英汉机器翻译中平行语料稀缺的问题,在使用通用语料训练翻译模型的基础上,提出了一种融合领域术语信息的嵌入层参数初始化方法。首先,对文本进行分词预处理,将术语词划分为一个最小单元;然后,利用Glove和Word2vec在不同单语语料上训练得到两种词向量,并分别初始化嵌入层参数中常用词和术语词的向量表示;最后,利用术语词典对未登录词进行查找替换,缓解了翻译过程中由于术语而产生的严重未登录词问题。将基于注意力机制的神经机器翻译模型作为基线系统进行实验,结果表明:本文模型在电气领域测试语料上的翻译性能提高了2.713个BLEU值点。

摘要： 由于装备信息的敏感性,军事领域的跨语言实体匹配问题会面临缺乏标注好的平行语料、依赖机器翻译质量等问题。从这些问题出发,提出了一种跨语言舰船实体匹配算法。首先归纳匹配规则,通过融合机器翻译和词典短语释义取得语言转换结果,设计了检测后缀相同字符串的相似度度量suffix-matter优化候选集,提高了算法的效率。还设计了捕捉字符和发音特征的混合相似度度量MixSim协助寻找匹配的实体。利用从互联网上爬取各国舰船活动事件的新闻报道和简式舰船数据进行实验,结果表明算法取得了较好的效果,而且证明了两种相似度度量在字符串比对中的有效性。

摘要： 翻译质量是译文的重要评判标准,因此控制翻译质量对于译者来说是必不可少的一环。随着时代发展,机器翻译越来越受人们关注,它不仅能为专业译者提供一些参考,同时也可以为不具备双语转换能力的普通人提供翻译途径。本文基于对两款知名翻译软件的翻译测试,试比较它们产出的译文之间有何不同,以及其与人工翻译之间的差距。同时,本文也尝试通过译前编辑来提升译文质量,以期达到机器翻译质量控制的目标。

摘要： 文章从问题意识视角出发,以石油术语为基础,引入词向量空间模型的方法展开三个相关实验对机器译文和人工译文进行对比研究,探索机器翻译结果在空间模型中的演绎和呈现。实验结果显示机器翻译对于石油术语的语言翻译准度能达到0.403。文章尝试结合计算机技术、语言学和翻译学等不同领域量化论证两种翻译结果在语义层面的接近和靠拢程度,以期探索评价分析机器翻译系统输出结果质量的新途径。

摘要： 围绕"差一点没VP"句式进行研究,从"差一点"词汇语义辖域跨语言比较的基础性问题出发,在大规模语料中抽取"差一点"相关语料进行归纳,重点探讨了汉英语中该词汇近义场各成员间词义的细微差异,以期为歧义消解、语言教学及机器翻译等领域提供参考。通过替换方式考察认为,以"差一点"为核心,依照词义关联度的逐级递减顺序,存在"差一点≈险些(不希望发生的情况)≈几乎≈差不多"这样的等级序列,而在英语中则首先明确该词汇的不同对译方式,进而对各对译方式的句法语义特点进行区分辨别。

摘要： 本文基于大数据技术在内容传播效果分析和影响力评估的实践和思考,介绍了多(跨)形态、多(跨)语言、多(跨)渠道(平台)的全媒体国际传播的特点带来的技术处理上的挑战,以及基于内容分析的传播效果大数据方法在实现系统和技术平台的试验和落地路径进行了探讨。

摘要： 基于中英新闻导语在消息来源位置、导语长度和撰写方式的差异,提出调整消息来源位置、调整导语要素顺序、提前翻译术语和运用解释性翻译四种译前编辑方法。这不仅丰富了译前编辑研究方法,而且有助于机器翻译软件更好地理解源文本,从而提高机器翻译新闻导语译文质量和效率。

摘要： 本研究选取1998-2017年间CSSCI检索源期刊中有关机器翻译的165篇论文,采用分类汇总和内容分析法梳理了过去20年间国内相关研究研究内容及其特点.随后,针对25篇与机器翻译与教学实践直接相关的文献开展了进一步的内容分析.研究发现研究内容跨越了翻译学、情报科学、语言学与计算机科学等多个学科领域,而机器翻译技术的研发与改进以及机器翻译的教学实践是该领域的研究热点.随着我国对高层次翻译人才需求的日益增长,我国机器翻译的教学实践研究主要围绕教学模式改革和人才培养展开.本文有利于机器翻译实践者与研究者直观了解我国机器翻译的研究热点,为后续研究与教学实践提供启示.

摘要： 随着AI产业的发展,智能型移动终端设备上开始出现了各类AI技术的应用.移动端SoG功耗和面积的限制导致了计算能力的缺失,是实验室和企业普遍关注的问题.本文面向搜狗的机器翻译平台进行了ARMv8架构的SGEMM计算优化,使用了内联汇编、数据重排和数据预取等3种技术递进优化,方阵乘法最优效率为10.23Gf/s,达到实测浮点峰值的78％;细长矩阵乘法最优效率为6.35Gf/s,达到了实测浮点峰值的48％;连续小矩阵乘法最优效率为2.53Gf/s,达到了实测浮点峰值的19％.

摘要： 探讨了神经网络机器翻译中的结构信息的获取和利用，综合利用多层次的结构信息进行编码表示的方法，尝试兼顾对源端表示和目标端生成能力的提高，探索在翻译学习过程中综合利用外部工具和自动学习方法获得结构信息的可能性。

摘要： 模型存储压缩旨在不改变模型性能的同时,大幅度降低神经网络中过多的模型参数带来的存储空间浪费.研究人员对于模型存储压缩方法的研究大多在计算机视觉任务上,缺乏对机器翻译模型压缩方法的研究.该文在机器翻译任务上通过实验对比剪枝、量化、低精度三种模型压缩方法在Transformer和RNN(Recurrent Neural Network)两种模型上的模型压缩效果,最终使用剪枝、量化、低精度三种方法的组合方法可在不损失原有模型性能的前提下在Transformer和RNN模型上分别达到11.7×和5.8×的压缩率.同时,该文还针对三种模型压缩方法在不同模型上的优缺点进行了分析.

摘要： 随着近几年藏汉机器翻译研究逐渐升温,把握好藏汉机器翻译领域的正确研究方向显得尤为重要.本文介绍了机器翻译的产生及其发展历史,阐述了它的研究现状及难点,同时通过语言的文化背景、语法及语篇的上下文联系等角度指出了藏汉机器翻译系统目前存在的问题.经过调查也发现现存主流的藏汉机器翻译系统也就三个分别是西藏大学的阳光藏汉机器翻译，中国科学院软件研究所和中国社会科学院民族学与人类学研究所语言应用研究所藏汉机器翻译系统以及沈阳雅译网络技术有限公司的小牛翻译，这三个是目前比较权威和实用的机器翻译系统。由于诸多的方法理论各有利弊，系统也各有优劣，所以在今后的研究中我们可以将这些方法结合起来，例如将基于统计和基于规则的机器翻译技术结合起来，或者是将其他语言的机器翻译方法与技术结合藏汉机器翻译技术从而加快藏汉机器翻译的发展速度。

摘要： 针对传统基于短语的机器翻译中采用的精确匹配策略导致翻译出的短语存在稀疏性的问题,引入相似度解决翻译后短语的稀疏性问题.对此,文章首先结合机器翻译的原理进行分析,并指出传统短语翻译存在的问题;其次,提出短语相似度统计模型,在对训练的语料库进行训练时,对其中没有出现过的短语,通过计算短语之间的相似度的方式,并改变传统的精确匹配方式,而采用模糊匹配策略,从短语表中查找相似度较高的实例短语,最后这些实例短语,构造汉英翻译句子;最后,对上述的算法进行了实验验证.结果表明,极大的提高了翻译的质量.

摘要： 通过缩小词表、蒸馏模型、单独训练解码过程等方法提高解码效率，利用图片中包含的信息帮助翻译结果生成，以句法信息融入编解码器为主，增强翻译中的结构信息。

摘要： 当前图像描述生成的研究主要仅限于单语言(如英文),这得益于大规模的已人工标注的图像及其英文描述语料.该文探索零标注资源情况下,以英文作为枢轴语言的图像中文描述生成研究.具体地,借助于神经机器翻译技术,该文提出并比较了两种图像中文描述生成的方法:串行法,该方法首先将图像生成英文描述,然后由英文描述翻译成中文描述;构建伪训练语料法,该方法首先将训练集中图像的英文描述翻译为中文描述,得到图像-中文描述的伪标注语料,然后训练一个图像中文描述生成模型.特别地,对于第二种方法,该文还比较了基于词和基于字的中文描述生成模型.实验结果表明,采用构建伪训练语料法优于串行法,同时基于字的中文描述生成模型也要优于基于词的模型,BLEU_4值达到0.341.

摘要： 在进行跨语言自然语言处理时,缺少双语资源是非常棘手的问题,而这在语言资源匮乏的场景下是非常普遍的.此时,利用好非平行语料中蕴含的翻译知识变得更为重要.由于语料不平行,从中获取翻译知识意味着小数据、无监督学习,因此极具挑战,而取得的结果通常是双语词典的形式.这既是人工智能领域重要的学术问题,也在语言资源匮乏场景有着巨大的应用价值.本文针对前人研究中存在的问题,介绍一系列工作,从各个角度探索如何更好地利用非平行语料构建双语词典.

摘要： 在进行跨语言自然语言处理时,缺少双语资源是非常棘手的问题,而这在语言资源匮乏的场景下是非常普遍的.此时,利用好非平行语料中蕴含的翻译知识变得更为重要.由于语料不平行,从中获取翻译知识意味着小数据、无监督学习,因此极具挑战,而取得的结果通常是双语词典的形式.这既是人工智能领域重要的学术问题,也在语言资源匮乏场景有着巨大的应用价值.本文针对前人研究中存在的问题,介绍一系列工作,从各个角度探索如何更好地利用非平行语料构建双语词典.

摘要： 机器翻译系统包含：译文候选生成部，将第1语言的输入文分别分配给用于生成第2语言译文的多个机器翻译装置，并从各机器翻译装置，接受对于输入文的第2语言的译文；译文改良部，以译文候选生成部接受的多个第2语言的各译文为起点，按照以规定的评价方式改进评价那样改良译文；和结束判定部，在译文改良部改良的译文中，将满足规定的条件译文作为对输入文的译文进行选择；译文改良部包含：译文变形部，对输入的译文进行规定的变形；译文评价部，对变形的译文进行评价；和重复控制部，判断对变形后的译文得到的评价，相对于输入的译文得到的评价是否被改进，在确认没有改进之前，重复进行变形和评价，按照这样控制译文变形部和译文评价部。

摘要： 本发明提供一种神经网络机器翻译模型训练方法、机器翻译方法和装置。所述神经网络机器翻译模型训练方法通过从训练视频中提取场景视觉图，再根据场景视觉图得到细腻度更高的视频特征向量序列，再将视频特征向量序列与第一文本特征向量序列进行对齐融合得到更准确的视频引导的第一文本特征向量序列，然后通过视频引导的第一文本特征向量序列和第二文本特征向量序列得到预测文本向量序列，最后根据预测文本向量序列与标准文本特征向量序列的比对结果，对所述神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，完成所述神经网络机器翻译模型的训练，能够提升训练得到的神经网络机器翻译模型对视频引导的机器翻译的精度。

摘要： 本申请实施例提供了一种机器翻译模型的生成方法、机器翻译方法和装置；所述方法包括：接收第一语种数据；采用已有的原始机器翻译模型，将所述第一语种数据翻译为匹配的第二语种数据；接收针对所述第二语种的修正数据；采用所述第一语种数据以及所述第二语种的修正数据，针对已有的原始机器翻译模型重新训练，生成个性化机器翻译模型。本申请实施例可以实现将需要翻译的第一语种数据和与第一语种数据对应的第二语种的修正数据训练原始机器翻译模型，得到个性化机器翻译模型，提高个性化机器翻译模型的翻译质量。

摘要： 本申请公开了一种机器翻译模型的训练方法、机器翻译方法、装置及设备，属于计算机技术领域，该方法包括：获取训练样本集，训练样本集包括训练样本及该训练样本对应的标准翻译文本；将训练样本及训练样本对应的标准翻译文本输入机器翻译模型中，获取机器翻译模型在反向传播过程中产生的梯度向量；基于梯度向量和多个噪音词为训练样本生成对抗样本；基于训练样本和对抗样本对机器翻译模型进行对抗训练，得到目标机器翻译模型。该训练方法生成的对抗样本对机器翻译模型攻击性较大，并且增加了训练数据的多样性，由此提高了机器翻译模型的鲁棒性，进而提高了机器翻译模型的翻译性能，使得通过机器翻译模型得到的翻译结果更加准确。

摘要： 本公开提供了一种机器翻译模型的训练方法和训练装置。该训练方法包括：获得特定用户的待翻译文本和待翻译文本的期望译文；获得待翻译文本的第一编码表达，以及获得用于表征特定用户的语言特征的第二编码表达；根据第一编码表达和第二编码表达，获得输入给机器翻译模型的第三编码表达，以及待翻译文本的翻译结果；根据待翻译文本的翻译结果与待翻译文本的期望译文计算损失值；如果损失值大于或等于预设阈值，则根据损失值调整机器翻译模型的权重参数；如果损失值小于预设阈值，则停止训练方法。该方法中采用表征特定用户的语言特征第二编码表达调整输入给机器翻译模型的编码表达，以能够提供个性化的翻译结果。

摘要： 本公开提供了一种语音机器翻译模型的构建方法，包括：获取语音机器翻译模型的预测概率分布；将源语言语音‑目标语言文本组成的数据集中的源语言语音转录文本作为源语言文本构建源语言文本‑目标语言文本的数据集；获取文本机器翻译模型的预测概率分布；将语音机器翻译模型的预测概率分布与文本机器翻译模型的预测概率分布之间的交叉熵作为语音机器翻译模型的最终目标函数；以及基于最终目标函数对语音翻译模型进行训练，获得构建后的语音机器翻译模型。本公开还提供了一种语音机器翻译装置、电子设备以及可读存储介质。

摘要： 本发明公开了一种机器翻译系统及方法，该系统包括：机器翻译引擎，对待译文本断句，以句子为基本翻译单元逐个翻译，对译后的每个句子进行合并，生成机器翻译初始译文；对译用语输入模块，用于输入想要指定的原文和译文用语；词对齐信息生成模块，用于生成词对齐信息。机器翻译引擎检测是否有用户输入，若有，则将原文用语提供给词对齐信息生成模块，从该模块接收词对齐信息，基于词对齐信息找到初始译文中相对应的译文内容，并使用译文用语替换相对应的译文内容，从而生成最终译文；若没有输入，则将初始译文作为最终译文输出。根据本发明，能高效地进行术语一致性替换，且特别适合于翻译专利申请文件，能提供高质量的专利申请机器翻译文件。

摘要： 本发明公开一种应用于稳定深层机器翻译模型的机器翻译方法，步骤为：在深层模型的训练过程中，根据输入源语句子X进行每一次反向传播计算时，为深层模型中编码器部分参数的梯度矩阵G设置两个矩阵μ与σ；使用矩阵μ与σ分别代表梯度矩阵G的均值与标准差，并根据梯度矩阵G计算出矩阵μ与σ的值；在模型训练期间的每一次反向传播过程中，使用矩阵μ与σ对梯度矩阵G进行标准化；通过预设的策略与先验知识来控制该标准化的使用阶段和位置，进行机器翻译模型的快速准确训练，最终提升解码时的输出译文的译文质量。本发明可以使得训练过程更加稳定，并且不受限于具体的模型与任务，具有很好的通用性，使模型的效果更加容易在不同的设备上重现。

摘要： 本发明公开了一种机器翻译引擎训练系统、方法及经训练的机器翻译引擎，该机器翻译引擎训练系统包括：预处理替换模块、替换信息存储模块、子词切分保持模块、翻译引擎训练模块和替换信息还原模块。其中，预处理替换模块将接收到的双语句对或待翻译原文中的标签对分别替换为特殊标记对，只有标签内容相同的标签对才使用相同的特殊标记对来替换。替换信息还原模块在训练效果验证模式下或引擎执行翻译任务时将接收到的译文中的特殊标记还原，以便对机器翻译引擎的训练效果进行评价或输出最终译文。根据本发明，能有效提高机器翻译引擎对翻译文本中格式化信息尤其是标签的处理能力，使得机器翻译引擎能高可靠性地处理翻译文件中的例如上、下标信息。

摘要： 提供了机器翻译模型训练方法、机器翻译方法、装置和计算设备。训练方法包括：获取第一训练样本集，所述第一训练样本集中的每个第一训练样本包括作为源端样本语句的第一语言的原文以及作为目标端样本语句的与所述第一语言不同的第二语言的译文；获取第二训练样本集，其中，所述第二训练样本集基于对所述第一训练样本集和公共数据集中的至少一者应用不同类型的提示词标签来生成，其中，每个提示词标签用于标注对其所应用的第一训练样本的源端样本语句或其所应用的公共数据的至少一部分进行的操作；以及基于所述第一训练样本集和所述第二训练样本集对所述机器翻译模型进行训练。