论文部分内容阅读
摘要:由于人们对于翻译的需求空前增长,机器翻译更是迫在眉睫。进入新世纪后,因特网的普及使各大互联网公司基于大数据进行翻译系统的研究,使机器翻译进入寻常百姓家。随后出现的人工智能深度学习,大大提高了机器翻译的质量。
关键词:翻译;计算机;语料库;塔多思;文化;术语
中图分类号:G4 文献标识码:A
引言
机器翻译是拥有漫长历史,为人熟知的翻译方式。而计算机辅助翻译是新兴的翻译系统。两者的对比是一个有趣的问题,孰优孰劣,需要认真的分析和讨论。
一、机器翻译概述
随着社会的发展,科学技术应用到了人类生活的各个方面。第二次工业革命给社会生产力带来了极大的发展,人类进入电气时代。而我们的机器翻译和计算机辅助翻译的发展要从计算机发明和互联网的应用开始说起,这二者是我们进行机器翻译所必须的工具。机器开始替代人类做一些危险复杂的工作,人力逐渐的被机器所取代,因为机器的成本要远低于人力劳动。而在文化的交流与传播上,科技也发挥了巨大的作用。机器翻译与计算机翻译是现代社会常用的两种翻译手段,二者需要的客观条件相同,而它们二者的劳动成果却大相径庭。
1.机器翻译发展史
我们先简单的了解一下机器翻译,当前我们接触机器翻译非常容易,生活中随处可见。国内外的互联网公司基本上都提供这样的服务,既免费又方便快捷,我们常见的机器翻译软件,比如国内的有道,国外的微软,谷歌等等。简单来说,机器翻译就是利用计算机来进行翻译工作,是一个利用计算机将源语言转为目标语的过程,翻译仍是翻译,只不过主体不同。由于这个过程需要计算机全程参与,所以机器翻译也是计算机语言学的一个分支。机器翻译历经百年。机器翻译最早要追溯到上世纪三四十年代,法国科学家阿尔楚尼最早提出了这个概念。在那个好像距离我们很久远的年代,就已经有人想到了用机器来翻译,以减轻各国语言交流的困难。而几年后,苏联科学家特罗扬斯基发明了语言转换的机器,但是由于技术问题,最终没有登上历史舞台。在之后,电子计算机被发明,人类对于机器翻译的探索才算正式揭开帷幕。
各国对于机器翻译的追求异常热烈,由此也说明了翻译在文化传播上的必要性。美苏冷战对机器翻译的发展起到了积极的作用,出于政治经济目的,美苏以及欧洲国家都投入大量资金来进行机器翻译,机器翻译得到了蓬勃发展。在之后由于各种客观条件,机器翻译的可行性得到了否定,造成项目停滞。但在短短五年后,随着时代的发展,科学技术的不断创新,各国都需要大量的翻译来进行交流。机器翻译又被重新提上日程,其并未被历史所抛弃。进入网络时代后,人工译员无法满足及时的翻译任务,这个时候,由于人们对于翻译的需求空前增长,机器翻译更是迫在眉睫。进入新世纪后,因特网的普及使各大互联网公司基于大数据进行翻译系统的研究,使机器翻译进入寻常百姓家。随后出现的人工智能深度学习,大大提高了机器翻译的质量。
2.机器翻译系统划分
我们的机译系统一共分为两类,分别是基于规则和基于语料库两种系统。简单来说,基于规则就是我们接触过的以词典和规则库构成译文的源泉,计算机经过数据分析,基于英语知识体系,在词典的指导下,按照语法规则给我们生成译文。而基于语料库的机器翻译会结合统计学的方法去参照选取与译文所需相似的目标语言知识结构,既不需要词典也不需要语言规则,而是随着语料库的发展而去不断地发展。而且,这也是與计算机辅助翻译相类似的一方面。我们的机器翻译系统就分为这两大块。下面我们来简单的看一下机器翻译的发展过程。
最早的机器翻译应该就是词汇型机器翻译。最早的词汇型机器翻译,要追溯到上世纪
50年代末。此类型翻译机器的基础是双语词典,而双语词典又是以词汇转换为中心的。简单来说,就好像是日常生活查字典一样,碰到生词,找到相对应的首字母,打开字典,查到其含义。过程非常的简单,然而出来的以为却让人哭笑不得。此类方法还会像人类一样犯糊涂,如果碰到一词多义现象或是多个词摆在一起的情况,计算机也会犯糊涂。因为它找不到最优解,无法决定选择哪一个词的正确含义。这十分让人头疼,最终造成译文质量低下,叫人不堪入目。由于翻译的过于死板,对之后的校对工作也会产生巨大的困难。而其设计好的程序无法更改,则更是一个让程序员头疼无比的问题。
上世纪机器翻译的继续发展,到了语法型机器翻译。这次机器好像学聪明了,不是一味地照本宣科,而是开始正视且思考翻译这门功课。此时机器翻译共分为三类,基本上也是翻译学习者们的翻译过程:即分析,转换,生成。此三类值得详细说明一下。分析,想想我们在学习中会分析些什么东西。无非词法分析、语法分析和语义分析。不分析,怎么能看出原文的句子结构呢?转换过程则是一个替代的过程,其目的是为了与目标语言相对应。而最后的生成则是译文的产出。作者认为,语法型机器翻译是机器翻译史上的伟大一步。此类办法将句法的研究放在第一位,开始明白尊重原文的重要性,而且对于多义词的处理方式比词汇型翻译要进步了一大块。懂得选取最优解,在若干个词义中找出最匹配原文的选项。不会将一群词一股脑的列出来供读者挑选或者是掷色子一样胡乱写出一个,这是对译文的不负责。最后一点呢,则是把语法与算法二者分离,在一定的条件之下,将语法归为一列,使语法能由给定的算法来计算,并可由这种算法最终计算为所对应的公式,语法与算法二者互相不受影响。如若对语法作出修改,就可以不考虑算法而达成目的。
以语义为主的第三代机器翻译,简而言之,将一大篇文章切分为一个个小部分。以语义转化规则作为根据,找出各语义单元的对应的语义内部表示。计算机经过分析之后,找出各个语义单元存在的逻辑性,合理配给,最终形成全文的语义表示。在形成译文之前需要以语义词典作为参考,最终形成解释,产出译文。与语法型机器翻译最大进步的点,则是将整篇译文掰开揉碎,由词素、词、词组、句子逐一分析,再将其组合到一起,研究分句和从句,再到一整个句子,一段文字,最后到整篇文章。由小到大,逐一分析,考虑整篇文章的逻辑结构,形成合适的,所对应的译文。 基于统计的机器翻译方法是一个猜测概率的过程,简单来说就是建立一个模型,利用源语言到目标语言的翻译概率进行翻译。基于统计的机器翻译方法就类似于一个解码过程对于输入的源语言句子,再到大数据中去查找与之相对应的译文。整个过程好像在猜,在蒙。可能对于人类来说像是这样,因为即便是百分之一的概率,那么这件事也是有发生的可能。可是不要忽略做这件事的主体是机器这个事实。机器会自动选择概率最大的与源语言对应的目标语。这也许就是统计学的魅力吧。不得不说,随着技术的进步,不要说翻译了,即使是警方破案,也需要统计学的帮助。统计需要的是什么,我觉得是一个庞大的数据,翻译也好,破案也罢。大数据对二者的帮助不可忽视。而最终的选择,还是人说了算比较好吧。所以校对工作是必须的,也需要人类来亲自完成,最后才能确保译文的顺利产出。
基于实例的机器翻译方法是我们所说的机译系统的第二种,一种基于语料库的方法,此
类方法是由日本著名的机器翻译专家长尾真最早提出,他通过对外语初学者的观察,发现初学外语的人总是先记住最基本的英语句子和对应的日语句子,而后做替换练习。可以联想一下我们孩提时代初次接触英语的学习方法。英语语言的初学者们通常先学习的是二十六个字母,会读会写。然后去学习一些简单的單词,最后将这些单词连成一个句子。而基于实例的机器翻译法则是将这个学习过程倒了过来,一步步的分解句子、短语和单词。此类方法最主要的知识源就是双语对照的实例库,不需要字典、语法规则库,核心的问题就是通过统计,得出双语对照实例库,就像单词书一样,源语言与目标语言一一对应,使人一目了然。到这里,你是否联想到了计算机辅助翻译前的建立库这一环节呢?基于实例的机器翻译对于同类文本的翻译有显著的效果,随着例句库中例子的增加,其作用也越来越显著,使用起来也就越来越方便。这点非常类似于计算机辅助翻译中的语料库和术语库的建设。但是这两者也是有不同点的。因为对于类似的句子,计算机辅助翻译是不会直接提供译文给译者。在一开始,基于实例的机器翻译法受到人们的广泛好评。但是问题也逐渐显现出来。通过上面的概述。该方法需要语料库作为基础,翻译所需的语言需求量极大。语料库规模受到技术问题的限制,会出现在库中找不到对应译文的情况。因而到目前为止,基于实例的方法并未一家独大,一般都是把此机器翻译方法作为诸多选择的一个,用以提高翻译的正确率。
二、计算机辅助翻译概述
1.计算机辅助翻译简介
计算机辅助翻译技术与机器翻译存在千丝万缕的联系。可以说计算机就是机器。文章写到这里,在我看来,多年的机器翻译发展使人们认识到,机器再精准也不如人。市场这种具有规律的事物尚且需要政府的宏观调控才能确保不乱套,翻译更是如此。计算机辅助翻译是近年来的一个新型翻译模式。计算机辅助翻译自然离不开计算机,而我们上述对于机器翻译的论述中也不乏计算机辅助翻译技术的影子。没错,这二者都离不开语料库的帮助。语料库,其拥有的语料是庞大的的。语料库中存放的是在语言的实际使用中真实出现过的语言材料,就是出现在我们生活中的东西,比如说国内外名人的演讲等等。因此例句库通常不应算作语料库。语料库是承载语言知识的基础资源,但并不等于语言知识。语料库并不像字典一样会给读者解释的面面俱到,而是像图书馆一样。第三就是我们刚刚说的,需要经过加工才能使用。
二、机器翻译与计算机辅助翻译二者分析比较
机器翻译与计算机辅助翻译都离不开语料库的帮助,那么这就是二者的共同点:都需要语料库作为支撑。另外的共同点就是二者都需要计算机的帮忙。那么我们来讨论两者之间的不同点吧。
我们所能接触到的机器翻译往往都是在线翻译软件,其操作方法无非就是复制粘贴,再复制粘贴。从分析到产出的流程也就结束了。除了动动手指可能没有需要我们忙活的了。而计算机辅助翻译则不是这样。在进入计算机辅助翻译软件塔多思之后,我们需要创立自己的语料库和术语库。然后涉及到导入的环节,将我们需要翻译的文件传入,进行翻译。注意,在我们翻译的过程中,我们写出的翻译就自动导入进创建好的语料库和术语库当中了。这就是计算机辅助翻译的核心技术了。简单来说就是将你的翻译存入到一个你建立的库中,形成翻译记忆,在以后做翻译的时候,可以直接拿出来用,对于相似的句子,塔多思也会给出相应的翻译参考和建议。计算机辅助翻译的另一个特点就是它的术语功能。在你的翻译中出现的任何词汇,需要重复解决或者翻译,都可以作为术语进行保存到我们的术语库中。术语库的重复利用性可以帮助本次翻译,还可以应用在以后的项目或其他人的翻译工作,不但提高工作效率,而且解决了翻译一致性问题。
结论
总而言之,计算机辅助翻译是机器翻译发展的一个重要里程碑,但绝不是终点。它弥补了传统机器翻译的无脑,用自己的翻译痕迹来辅助自己的翻译,极大的提高了翻译的准确性。人脑与机器的结合使翻译这项工作变得轻松且顺利。计算机辅助翻译与机器翻译最大的共同点在于机器和语料库的使用,而差异在于计算机辅助翻译中多了人的参与,使翻译这项工作变得更加专业。可以将机器翻译理解为我们的各大翻译软件,譬如有道和谷歌。而计算机辅助翻译则需要特定的软件来提供帮助,目的是为了得到更准确的译文。计算机辅助翻译软件可以更好地适应社会的发展,满足不同群体对翻译的需求,加快翻译速度,提高翻译质量,带动翻译行业的发展。二者孰优孰劣谈不上,只能说计算机辅助翻译更加精确于机器翻译。但是计算机辅助翻译在经济角度讲是不如机器翻译的。如果学生们需要得到差不多的译文,当代的机器翻译足以满足他们的要求。在国际大会上的发言稿,需要的就是计算机辅助翻译的译文,提高用词的准确性,填补语言差异,避免误会。
参考文献
[1]郁林音.译者视角的当代机器翻译发展综述[J].现代交际,2020,(4):71-73.
[2]曹梦莹. 基于主位推进模式的科技文本翻译策略[D].广东外语外贸大学,2020.
[3]姜晶. 软件本地化的流程和文本翻译分析[D].上海师范大学,2016.
作者简介:王皓,男,汉族,研究生在读,天津财经大学,英语笔译专业
关键词:翻译;计算机;语料库;塔多思;文化;术语
中图分类号:G4 文献标识码:A
引言
机器翻译是拥有漫长历史,为人熟知的翻译方式。而计算机辅助翻译是新兴的翻译系统。两者的对比是一个有趣的问题,孰优孰劣,需要认真的分析和讨论。
一、机器翻译概述
随着社会的发展,科学技术应用到了人类生活的各个方面。第二次工业革命给社会生产力带来了极大的发展,人类进入电气时代。而我们的机器翻译和计算机辅助翻译的发展要从计算机发明和互联网的应用开始说起,这二者是我们进行机器翻译所必须的工具。机器开始替代人类做一些危险复杂的工作,人力逐渐的被机器所取代,因为机器的成本要远低于人力劳动。而在文化的交流与传播上,科技也发挥了巨大的作用。机器翻译与计算机翻译是现代社会常用的两种翻译手段,二者需要的客观条件相同,而它们二者的劳动成果却大相径庭。
1.机器翻译发展史
我们先简单的了解一下机器翻译,当前我们接触机器翻译非常容易,生活中随处可见。国内外的互联网公司基本上都提供这样的服务,既免费又方便快捷,我们常见的机器翻译软件,比如国内的有道,国外的微软,谷歌等等。简单来说,机器翻译就是利用计算机来进行翻译工作,是一个利用计算机将源语言转为目标语的过程,翻译仍是翻译,只不过主体不同。由于这个过程需要计算机全程参与,所以机器翻译也是计算机语言学的一个分支。机器翻译历经百年。机器翻译最早要追溯到上世纪三四十年代,法国科学家阿尔楚尼最早提出了这个概念。在那个好像距离我们很久远的年代,就已经有人想到了用机器来翻译,以减轻各国语言交流的困难。而几年后,苏联科学家特罗扬斯基发明了语言转换的机器,但是由于技术问题,最终没有登上历史舞台。在之后,电子计算机被发明,人类对于机器翻译的探索才算正式揭开帷幕。
各国对于机器翻译的追求异常热烈,由此也说明了翻译在文化传播上的必要性。美苏冷战对机器翻译的发展起到了积极的作用,出于政治经济目的,美苏以及欧洲国家都投入大量资金来进行机器翻译,机器翻译得到了蓬勃发展。在之后由于各种客观条件,机器翻译的可行性得到了否定,造成项目停滞。但在短短五年后,随着时代的发展,科学技术的不断创新,各国都需要大量的翻译来进行交流。机器翻译又被重新提上日程,其并未被历史所抛弃。进入网络时代后,人工译员无法满足及时的翻译任务,这个时候,由于人们对于翻译的需求空前增长,机器翻译更是迫在眉睫。进入新世纪后,因特网的普及使各大互联网公司基于大数据进行翻译系统的研究,使机器翻译进入寻常百姓家。随后出现的人工智能深度学习,大大提高了机器翻译的质量。
2.机器翻译系统划分
我们的机译系统一共分为两类,分别是基于规则和基于语料库两种系统。简单来说,基于规则就是我们接触过的以词典和规则库构成译文的源泉,计算机经过数据分析,基于英语知识体系,在词典的指导下,按照语法规则给我们生成译文。而基于语料库的机器翻译会结合统计学的方法去参照选取与译文所需相似的目标语言知识结构,既不需要词典也不需要语言规则,而是随着语料库的发展而去不断地发展。而且,这也是與计算机辅助翻译相类似的一方面。我们的机器翻译系统就分为这两大块。下面我们来简单的看一下机器翻译的发展过程。
最早的机器翻译应该就是词汇型机器翻译。最早的词汇型机器翻译,要追溯到上世纪
50年代末。此类型翻译机器的基础是双语词典,而双语词典又是以词汇转换为中心的。简单来说,就好像是日常生活查字典一样,碰到生词,找到相对应的首字母,打开字典,查到其含义。过程非常的简单,然而出来的以为却让人哭笑不得。此类方法还会像人类一样犯糊涂,如果碰到一词多义现象或是多个词摆在一起的情况,计算机也会犯糊涂。因为它找不到最优解,无法决定选择哪一个词的正确含义。这十分让人头疼,最终造成译文质量低下,叫人不堪入目。由于翻译的过于死板,对之后的校对工作也会产生巨大的困难。而其设计好的程序无法更改,则更是一个让程序员头疼无比的问题。
上世纪机器翻译的继续发展,到了语法型机器翻译。这次机器好像学聪明了,不是一味地照本宣科,而是开始正视且思考翻译这门功课。此时机器翻译共分为三类,基本上也是翻译学习者们的翻译过程:即分析,转换,生成。此三类值得详细说明一下。分析,想想我们在学习中会分析些什么东西。无非词法分析、语法分析和语义分析。不分析,怎么能看出原文的句子结构呢?转换过程则是一个替代的过程,其目的是为了与目标语言相对应。而最后的生成则是译文的产出。作者认为,语法型机器翻译是机器翻译史上的伟大一步。此类办法将句法的研究放在第一位,开始明白尊重原文的重要性,而且对于多义词的处理方式比词汇型翻译要进步了一大块。懂得选取最优解,在若干个词义中找出最匹配原文的选项。不会将一群词一股脑的列出来供读者挑选或者是掷色子一样胡乱写出一个,这是对译文的不负责。最后一点呢,则是把语法与算法二者分离,在一定的条件之下,将语法归为一列,使语法能由给定的算法来计算,并可由这种算法最终计算为所对应的公式,语法与算法二者互相不受影响。如若对语法作出修改,就可以不考虑算法而达成目的。
以语义为主的第三代机器翻译,简而言之,将一大篇文章切分为一个个小部分。以语义转化规则作为根据,找出各语义单元的对应的语义内部表示。计算机经过分析之后,找出各个语义单元存在的逻辑性,合理配给,最终形成全文的语义表示。在形成译文之前需要以语义词典作为参考,最终形成解释,产出译文。与语法型机器翻译最大进步的点,则是将整篇译文掰开揉碎,由词素、词、词组、句子逐一分析,再将其组合到一起,研究分句和从句,再到一整个句子,一段文字,最后到整篇文章。由小到大,逐一分析,考虑整篇文章的逻辑结构,形成合适的,所对应的译文。 基于统计的机器翻译方法是一个猜测概率的过程,简单来说就是建立一个模型,利用源语言到目标语言的翻译概率进行翻译。基于统计的机器翻译方法就类似于一个解码过程对于输入的源语言句子,再到大数据中去查找与之相对应的译文。整个过程好像在猜,在蒙。可能对于人类来说像是这样,因为即便是百分之一的概率,那么这件事也是有发生的可能。可是不要忽略做这件事的主体是机器这个事实。机器会自动选择概率最大的与源语言对应的目标语。这也许就是统计学的魅力吧。不得不说,随着技术的进步,不要说翻译了,即使是警方破案,也需要统计学的帮助。统计需要的是什么,我觉得是一个庞大的数据,翻译也好,破案也罢。大数据对二者的帮助不可忽视。而最终的选择,还是人说了算比较好吧。所以校对工作是必须的,也需要人类来亲自完成,最后才能确保译文的顺利产出。
基于实例的机器翻译方法是我们所说的机译系统的第二种,一种基于语料库的方法,此
类方法是由日本著名的机器翻译专家长尾真最早提出,他通过对外语初学者的观察,发现初学外语的人总是先记住最基本的英语句子和对应的日语句子,而后做替换练习。可以联想一下我们孩提时代初次接触英语的学习方法。英语语言的初学者们通常先学习的是二十六个字母,会读会写。然后去学习一些简单的單词,最后将这些单词连成一个句子。而基于实例的机器翻译法则是将这个学习过程倒了过来,一步步的分解句子、短语和单词。此类方法最主要的知识源就是双语对照的实例库,不需要字典、语法规则库,核心的问题就是通过统计,得出双语对照实例库,就像单词书一样,源语言与目标语言一一对应,使人一目了然。到这里,你是否联想到了计算机辅助翻译前的建立库这一环节呢?基于实例的机器翻译对于同类文本的翻译有显著的效果,随着例句库中例子的增加,其作用也越来越显著,使用起来也就越来越方便。这点非常类似于计算机辅助翻译中的语料库和术语库的建设。但是这两者也是有不同点的。因为对于类似的句子,计算机辅助翻译是不会直接提供译文给译者。在一开始,基于实例的机器翻译法受到人们的广泛好评。但是问题也逐渐显现出来。通过上面的概述。该方法需要语料库作为基础,翻译所需的语言需求量极大。语料库规模受到技术问题的限制,会出现在库中找不到对应译文的情况。因而到目前为止,基于实例的方法并未一家独大,一般都是把此机器翻译方法作为诸多选择的一个,用以提高翻译的正确率。
二、计算机辅助翻译概述
1.计算机辅助翻译简介
计算机辅助翻译技术与机器翻译存在千丝万缕的联系。可以说计算机就是机器。文章写到这里,在我看来,多年的机器翻译发展使人们认识到,机器再精准也不如人。市场这种具有规律的事物尚且需要政府的宏观调控才能确保不乱套,翻译更是如此。计算机辅助翻译是近年来的一个新型翻译模式。计算机辅助翻译自然离不开计算机,而我们上述对于机器翻译的论述中也不乏计算机辅助翻译技术的影子。没错,这二者都离不开语料库的帮助。语料库,其拥有的语料是庞大的的。语料库中存放的是在语言的实际使用中真实出现过的语言材料,就是出现在我们生活中的东西,比如说国内外名人的演讲等等。因此例句库通常不应算作语料库。语料库是承载语言知识的基础资源,但并不等于语言知识。语料库并不像字典一样会给读者解释的面面俱到,而是像图书馆一样。第三就是我们刚刚说的,需要经过加工才能使用。
二、机器翻译与计算机辅助翻译二者分析比较
机器翻译与计算机辅助翻译都离不开语料库的帮助,那么这就是二者的共同点:都需要语料库作为支撑。另外的共同点就是二者都需要计算机的帮忙。那么我们来讨论两者之间的不同点吧。
我们所能接触到的机器翻译往往都是在线翻译软件,其操作方法无非就是复制粘贴,再复制粘贴。从分析到产出的流程也就结束了。除了动动手指可能没有需要我们忙活的了。而计算机辅助翻译则不是这样。在进入计算机辅助翻译软件塔多思之后,我们需要创立自己的语料库和术语库。然后涉及到导入的环节,将我们需要翻译的文件传入,进行翻译。注意,在我们翻译的过程中,我们写出的翻译就自动导入进创建好的语料库和术语库当中了。这就是计算机辅助翻译的核心技术了。简单来说就是将你的翻译存入到一个你建立的库中,形成翻译记忆,在以后做翻译的时候,可以直接拿出来用,对于相似的句子,塔多思也会给出相应的翻译参考和建议。计算机辅助翻译的另一个特点就是它的术语功能。在你的翻译中出现的任何词汇,需要重复解决或者翻译,都可以作为术语进行保存到我们的术语库中。术语库的重复利用性可以帮助本次翻译,还可以应用在以后的项目或其他人的翻译工作,不但提高工作效率,而且解决了翻译一致性问题。
结论
总而言之,计算机辅助翻译是机器翻译发展的一个重要里程碑,但绝不是终点。它弥补了传统机器翻译的无脑,用自己的翻译痕迹来辅助自己的翻译,极大的提高了翻译的准确性。人脑与机器的结合使翻译这项工作变得轻松且顺利。计算机辅助翻译与机器翻译最大的共同点在于机器和语料库的使用,而差异在于计算机辅助翻译中多了人的参与,使翻译这项工作变得更加专业。可以将机器翻译理解为我们的各大翻译软件,譬如有道和谷歌。而计算机辅助翻译则需要特定的软件来提供帮助,目的是为了得到更准确的译文。计算机辅助翻译软件可以更好地适应社会的发展,满足不同群体对翻译的需求,加快翻译速度,提高翻译质量,带动翻译行业的发展。二者孰优孰劣谈不上,只能说计算机辅助翻译更加精确于机器翻译。但是计算机辅助翻译在经济角度讲是不如机器翻译的。如果学生们需要得到差不多的译文,当代的机器翻译足以满足他们的要求。在国际大会上的发言稿,需要的就是计算机辅助翻译的译文,提高用词的准确性,填补语言差异,避免误会。
参考文献
[1]郁林音.译者视角的当代机器翻译发展综述[J].现代交际,2020,(4):71-73.
[2]曹梦莹. 基于主位推进模式的科技文本翻译策略[D].广东外语外贸大学,2020.
[3]姜晶. 软件本地化的流程和文本翻译分析[D].上海师范大学,2016.
作者简介:王皓,男,汉族,研究生在读,天津财经大学,英语笔译专业