Yuelu Mountain Universities Science City 2022 - Revision history

Root at 02:58, 28 April 2022

2022-04-28T02:58:01Z

Show changes

Root at 02:31, 28 April 2022

2022-04-28T02:31:34Z

Li Ying at 11:51, 26 April 2022

2022-04-26T11:51:56Z

He Jun at 11:25, 26 April 2022

2022-04-26T11:25:54Z

He Jun at 00:07, 26 April 2022

2022-04-26T00:07:14Z

Show changes

Root at 03:15, 25 April 2022

2022-04-25T03:15:00Z

Show changes

He Jun at 01:18, 14 April 2022

2022-04-14T01:18:06Z

Show changes

He Jun at 01:13, 14 April 2022

2022-04-14T01:13:02Z

He Jun at 01:04, 14 April 2022

2022-04-14T01:04:19Z

Show changes

He Jun at 16:34, 25 March 2022

2022-03-25T16:34:32Z

@@ Line 1: / Line 1: @@
 国家社会科学基金项目课题论证活页
 Leaflet of project demonstration of National Social Science Foundation
 课题名称：《鲁迅全集》基于**软件的机器翻译译后编辑与研究
 Project title: Post-translation editing and research of The Complete Works of Lu Xun based on ** software
 商务伙伴 1：网易有道
 Business Partner 1: NetEase Youdao
 商务伙伴 2：......
 Business Partner 2:......
 . 题解
 . Answer key
 .选题依据（国内外相关研究的学术史梳理及研究动态；本课题相对于已有研究的独到学术价值和应用价值等）
 .Basis of selected topic (academic history and research trends of relevant research at home and abroad; The unique academic value and application value of this subject compared with the existing research)
 机器翻译（Machine Translation）是使用计算机将一种语言符号转换成另一种语言符号，自20世纪30年代问世开始，经历了基于规则（rule-based）、基于实例（example-based）、基于统计（statistic-based）和基于不同方法应用（multiple methods application-based）的四个发展阶段，基于规则和基于统计的混合式机译系统是如今机器翻译主流模式之一，能很好地规避单一模式可能引发的弊病。随着AI技术的不断发展，机器翻译也在不断完善和发展，能够帮助人们快速、准确地搜索并记忆专业术语（相对于人工翻译而言此项工作既耗时耗力，反复比对后结果还不尽如人意）；机器翻译耗时少、处理速度快、工作环境要求低（只需电脑和翻译软件即可，而人工翻译需要一个安静无干扰的工作环境，译者的身体和精神状态无疑也会影响翻译的质量）；能够帮助减少甚至消除人工翻译的体力和脑力负荷也能大大降低翻译的成本；机器翻译都是多语“人才”，只要人们不断丰富平行语料库文本的语种，所有的语言互译都是可以实现的，而从事翻译的人们能熟练掌握3 - 4种语言互换就已经是凤毛菱角了，更不用说所有的语言互换了。在认识机器翻译强大优势的同时，我们也不能忽视现有机器翻译，因为自身的不足呈现出一些通用的弊病：各种误译、错译、漏译、语序错误、句法结构误译、句法不同等晦涩难懂的译文；机器翻译对于词语的处理仍停留在字面和浅层意义对应，无法实现词语深层意义和语用意义对应；机器翻译只能解读程式化和信息性文本的语义内容，还无法解读表情性文本中蕴含的情感和态度等等。
 Machine Translation is the use of computers to convert symbols of one language into symbols of another language. Since its inception in 1930s, It has experienced four development stages of rule-based, example-based, statistic-based and multiple methods application-based. Rule-based and statistics-based hybrid machine translation system is one of the mainstream models of machine translation, which can well avoid the disadvantages caused by a single model. With the continuous development of AI technology, machine translation is also improving and developing, which can help people search and remember professional terms quickly and accurately (compared with human translation, this work is time-consuming and time-consuming, and the results after repeated comparison are not satisfactory). Machine translation work less time consuming, fast processing speed, low environmental requirements (by computer and translation software, and human translation requires a quiet working environment without interference, and the physical and mental state of the translator will definitely affect the quality of the translation), can help to reduce or even eliminate human translation of physical and mental load can also greatly reduce the cost of translation; Machine translation is a multilingual "talent", as long as people continue to enrich the language of the parallel corpus text, all language translation can be realized, and the translator can master 3-4 language exchange is already a chicken's head, let alone all the language exchange. While recognizing the powerful advantages of machine translation, we should not ignore the existing machine translation, because its own shortcomings present some common shortcomings: various mistranslations, mistranslations, omissions, word order errors, syntactic structure mistranslations, syntax differences and other obscure translation; Machine translation still deals with the correspondence between literal and superficial meanings, and fails to realize the correspondence between deep meanings and pragmatic meanings. Machine translation can only interpret the semantic content of stylized and informative texts, but not the emotions and attitudes contained in expressive texts.
 针对机器翻译现有的问题，人们开发了各种机器翻译译前、译后的人工编辑软件和平台，诸如谷歌翻译工具包、Trados Studio、Systran、MateCat和Memsource，通过人工参与编辑解决机器翻译中出现的各种错误。但通过对比机器翻译译后编辑和人工翻译的速度，人们发现当前译后编辑在效率方面优势不明显，二者的错误类型相似（误译、省略、语法错误等）、译后编辑存在较多过度编辑的情况（语序调整、人称代词删除等）等问题。

← Older revision		Revision as of 11:51, 26 April 2022
Line 452:		Line 452:
	王湘玲、赖思、贾艳芳. 人工翻译与神经网络机器翻译译后编辑比较研究 ——基于对隐喻翻译的眼动追踪与键盘记录数据[J]. 外语教学理论与实践, 2021(4): 115-126.		王湘玲、赖思、贾艳芳. 人工翻译与神经网络机器翻译译后编辑比较研究 ——基于对隐喻翻译的眼动追踪与键盘记录数据[J]. 外语教学理论与实践, 2021(4): 115-126.
	Wang Xiangling, Lai Si, Jia Yanfang. A Comparative Study on Post-translation Editing between Artificial Translation and Neural Network Machine Translation: Based on Eye Tracking and Keystroke Data for Metaphorical Translation [J]. Foreign Language Teaching Theory and Practice, 2021(4): 115-126.]		Wang Xiangling, Lai Si, Jia Yanfang. A Comparative Study on Post-translation Editing between Artificial Translation and Neural Network Machine Translation: Based on Eye Tracking and Keystroke Data for Metaphorical Translation [J]. Foreign Language Teaching Theory and Practice, 2021(4): 115-126.]
		+	罗季美,李梅.机器翻译译文错误分析[J].中国翻译,2012,33(05):84-89.
		+	Luo Jimei, Li Mei.Error Analysis of Machine Translation[J].Chinese Translation,2012,33(05):84-89.
		+	杨南. 基于神经网络学习的统计机器翻译研究[D].中国科学技术大学,2014.
		+	Yang Nan.Research on Statistical Machine Translation based on Neural Network Learning.University of Science and Technology of China[D],2014.
		+	徐雪惠. 神经网络机器翻译汉译英质量评价[D].北京外国语大学,2018.
		+	Xu Xuehui.Quality Evaluation of Chinese-English Translation of Neural Network Machine Translation[D], Beijing Foreign Studies University,2018.
		+	董振恒,任维平,游新冬,吕学强.融入新能源领域术语知识的机器翻译方法[J].计算机科学:1-10.
		+	Dong Zhenheng, Ren Weiping, You Xindong, Lv Xueqiang. Intergrating Terminology of New Energy Field with Machine Translation[J].Computer Science:1-10.
		+	张超轶,陈媛,张聚伟.融合术语信息的神经机器翻译参数初始化研究[J].河南科技大学学报(自然科学版),2022,43(04):61-66+75+7.
		+	Zhang Chaoyi, Chen Yuan, Zhang Juwei. Research on Parameter Initialization of Neural Machine Translation Based on Term Information Fusion [J].Journal of Henan University of Science and Technology(Natural Science Edition),2022,43(04):61
		+	黄永中.翻译转换理论视角下机器翻译与人工翻译的对比分析[J].英语广场,2022,(09):6-8.
		+	Huang Yongzhong.A Comparative Analysis of Machine Translation and Manual Translation from the Perspective of Translation Transformation Theory [J]. English Square.2022,(09):6-8
		+	郭望皓,胡富茂.神经机器翻译译文评测及译后编辑研究[J].北京第二外国语学院学报,2021,43(05):66-82.
		+	Guo Wanghao, Hu Fumao. Research on Translation Evaluation and Post-translation Editing of Neural Machine Translation [J]. Journal of Beijing Second Foreign Studies University,2021,43(05):66-82.
		+	高璐璐,赵雯.机器翻译研究综述[J].中国外语,2020,17(06):97-103.
		+	Gao Lulu, Zhao Wen. A Review of Machine Translation Research.Chinese Foreign Language, 2020,17(06):97-103.
		+	尹天涯.基于改进词预测的英汉交互式机器翻译研究[J].自动化与仪器仪表,2022,(03):160-163+167.
		+	Yin Tianya.Research on English-Chinese Interactive Machine Translation Based on Improved Word Prediction [J]. Automation and instrumentation,2022(03):160-163+167.

@@ Line 1: / Line 1: @@
 国家社会科学基金项目课题论证活页
 Leaflet of project demonstration of National Social Science Foundation
-课题名称：《鲁迅全集》基于**软件的译后编辑与研究
+课题名称：《鲁迅全集》基于**软件的机器翻译译后编辑与研究
 Project title: Post-translation editing and research of The Complete Works of Lu Xun based on ** software
 商务伙伴 1：网易有道
@@ Line 13: / Line 13: @@
 .选题依据（国内外相关研究的学术史梳理及研究动态；本课题相对于已有研究的独到学术价值和应用价值等）
 .Basis of selected topic (academic history and research trends of relevant research at home and abroad; The unique academic value and application value of this subject compared with the existing research)
-机器翻译（Machine Translation）是使用计算机将一种语言符号转换成另一种语言符号，自20世纪30年代问世开始，经历了基于规则（rule-based）、基于实例（example-based）、基于统计（statistic-based）、和基于不同方法应用（multiple methods application-based）的四个发展阶段，基于规则和基于统计的混合式机译系统是如今机器翻译主流模式之一，能很好地规避单一模式可能引发的弊病。随着AI技术的不断发展，机器翻译也在不断完善和发展，能够帮助人们快速、准确地搜索并记忆专业术语（相对于人工翻译而言此项工作既耗时耗力，反复比对后结果还不尽如人意）；机器翻译耗时少、处理速度快、工作环境要求低（只需电脑和翻译软件即可，而人工翻译需要一个安静无干扰的工作环境，而译者的身体和精神状态无疑也会影响翻译的质量），能够帮助减少甚至消除人工翻译的体力和脑力负荷也能大大降低翻译的成本；机器翻译都是多语“人才”，只要人们不断丰富平行语料库文本的语种，所有的语言互译都是可以实现的，而从事翻译的人们能熟练掌握3 - 4种语言互换就已经是凤毛菱角了，更不用说所有的语言互换了。在认识机器翻译的强大优势的同时，我们也不能忽视现有机器翻译，因为自身的不足呈现出一些通用的弊病：各种误译、错译、漏译、语序错误、句法结构误译、句法不同等晦涩难懂的译文；机器翻译对于词语的处理仍停留在字面和浅层意义对应，无法实现词语深层意义和语用意义对应；机器翻译只能解读程式化和信息性文本的语义内容，还无法解读表情性文本中蕴含的情感和态度等等。
+机器翻译（Machine Translation）是使用计算机将一种语言符号转换成另一种语言符号，自20世纪30年代问世开始，经历了基于规则（rule-based）、基于实例（example-based）、基于统计（statistic-based）和基于不同方法应用（multiple methods application-based）的四个发展阶段，基于规则和基于统计的混合式机译系统是如今机器翻译主流模式之一，能很好地规避单一模式可能引发的弊病。随着AI技术的不断发展，机器翻译也在不断完善和发展，能够帮助人们快速、准确地搜索并记忆专业术语（相对于人工翻译而言此项工作既耗时耗力，反复比对后结果还不尽如人意）；机器翻译耗时少、处理速度快、工作环境要求低（只需电脑和翻译软件即可，而人工翻译需要一个安静无干扰的工作环境，译者的身体和精神状态无疑也会影响翻译的质量）；能够帮助减少甚至消除人工翻译的体力和脑力负荷也能大大降低翻译的成本；机器翻译都是多语“人才”，只要人们不断丰富平行语料库文本的语种，所有的语言互译都是可以实现的，而从事翻译的人们能熟练掌握3 - 4种语言互换就已经是凤毛菱角了，更不用说所有的语言互换了。在认识机器翻译强大优势的同时，我们也不能忽视现有机器翻译，因为自身的不足呈现出一些通用的弊病：各种误译、错译、漏译、语序错误、句法结构误译、句法不同等晦涩难懂的译文；机器翻译对于词语的处理仍停留在字面和浅层意义对应，无法实现词语深层意义和语用意义对应；机器翻译只能解读程式化和信息性文本的语义内容，还无法解读表情性文本中蕴含的情感和态度等等。
 Machine Translation is the use of computers to convert symbols of one language into symbols of another language. Since its inception in 1930s, It has experienced four development stages of rule-based, example-based, statistic-based and multiple methods application-based. Rule-based and statistics-based hybrid machine translation system is one of the mainstream models of machine translation, which can well avoid the disadvantages caused by a single model. With the continuous development of AI technology, machine translation is also improving and developing, which can help people search and remember professional terms quickly and accurately (compared with human translation, this work is time-consuming and time-consuming, and the results after repeated comparison are not satisfactory). Machine translation work less time consuming, fast processing speed, low environmental requirements (by computer and translation software, and human translation requires a quiet working environment without interference, and the physical and mental state of the translator will definitely affect the quality of the translation), can help to reduce or even eliminate human translation of physical and mental load can also greatly reduce the cost of translation; Machine translation is a multilingual "talent", as long as people continue to enrich the language of the parallel corpus text, all language translation can be realized, and the translator can master 3-4 language exchange is already a chicken's head, let alone all the language exchange. While recognizing the powerful advantages of machine translation, we should not ignore the existing machine translation, because its own shortcomings present some common shortcomings: various mistranslations, mistranslations, omissions, word order errors, syntactic structure mistranslations, syntax differences and other obscure translation; Machine translation still deals with the correspondence between literal and superficial meanings, and fails to realize the correspondence between deep meanings and pragmatic meanings. Machine translation can only interpret the semantic content of stylized and informative texts, but not the emotions and attitudes contained in expressive texts.
-针对机器翻译现有的问题，人们开发了各种机器翻译译前、译后的人工编辑软件和平台，诸如谷歌翻译工具包、Trados Studio、Systran、MateCat和Memsource，通过人工参与编辑解决机器翻译中出现的各种错误。但通过对比机器翻译译后编辑和人工翻译的速度发现，当前译后编辑在效率方面优势不明显，二者的错误类型相似（误译、省略、语法错误等）、译后编辑存在较高的过渡编辑的情况（语序调整、人称代词删除等）等问题。
+针对机器翻译现有的问题，人们开发了各种机器翻译译前、译后的人工编辑软件和平台，诸如谷歌翻译工具包、Trados Studio、Systran、MateCat和Memsource，通过人工参与编辑解决机器翻译中出现的各种错误。但通过对比机器翻译译后编辑和人工翻译的速度，人们发现当前译后编辑在效率方面优势不明显，二者的错误类型相似（误译、省略、语法错误等）、译后编辑存在较多过度编辑的情况（语序调整、人称代词删除等）等问题。
 In view of the existing problems of machine translation, people have developed a variety of human editing software and platforms before and after machine translation, such as Google Translation Toolkit, Trados Studio, Systran, MateCat and Memsource, which solve various errors in machine translation through human participation. However, by comparing the speed of machine translation and human translation, it is found that the current post-translation editing has no obvious advantage in efficiency, and the two types of errors are similar (mistranlation, omission, grammatical errors, etc.), and the post-translation editing has a high degree of over-editing (word order adjustment, personal pronoun deletion, etc.).
 年，国务院发布的《“十三五”国家科技创新规划》明确指出重点开发人工智能等技术；2017年，“人工智能”首次出现在《政府工作报告》中；同年发布的《新一代人工智能发展规划》提出，“人工智能”将“无时不有、无处不在”，并将其列为一项重要的国家战略。国家政策大力支持发展人工智能，广大社会群体对基于人工智能技术的机器翻译需求日益增加，也对机器翻译提出了更高的要求，同时也带来了无限的发展机遇。俞凯（2019）指出要提升我国人工智能国际竞争力的迫切需求，新一代人工智能关键共性技术的研发部署要以算法为核心。

@@ Line 7: / Line 7: @@
 . 选题依据（国内外相关研究的学术史梳理及研究动态；本课题相对于已有研究的独到学术价值和应用价值等）
 .1国内外学术动态
 .1.1译后编辑国内外学术动态
 了解译后编辑（PE, post-editing），首先必须明确机器翻译的定义。依据ISO/DIS 17100: 2013标准的定义，机器翻译是“使用计算机系统将文本或语音从一种自然语言自动翻译为另一种语言”（MT, automated translation of text or speech from one natural language to another using a computer system）。译后编辑则是“检查和修正机器翻译的输出（to check and correct MT output）”（ISO, 2014）。Allan（2003）指出从1947年英国工程师A. D. Booth和美国科学家W. Weaver首次进行俄英机器翻译到现代翻译技术高速发展的今天，机器翻译的质量大大提高，但鉴于语言结构、修辞手法、逻辑思维、文化差异、一词多义等现象，我们仍需对机器翻译的译文进行修改和加工，即译后编辑来提高机器翻译质量，如修改语言错误、提高表达准确性与译文可读性等。
 世纪30年代初法国工程师G. B. Artsouni最早提出机器翻译的设想，1947年英国工程师A. D. Booth和美国科学家W. Weaver首次提出利用计算机进行翻译。W. Weaver于1949年发表《翻译》备忘录，并提出机器翻译的思想。1954年，美国乔治敦大学和IBM公司进行世界第一次计算机俄英翻译实验，随后前苏联及欧洲国家因为军事或经济发展需要，非常重视机器翻译研究，机器翻译呈现热潮。同年，Victor H. Yngve（1954）简要介绍译后编辑的概念、任务和作用，指出机器翻译与人工合作将成为未来机器翻译行业发展的特点。Miller和Beebe-Center（1956）介绍五种机器翻译质量评价方法，即主观评判、单词评判（单词数及顺序）、信息传译评判、阅读理解评判和语义评判，并分析各评价方法的优劣，同时指出并非所有文学作品都可以通过机器成功翻译。1966年由美国政府资助的语言自动处理咨询委员会（Automatic Language Processing Advisory Committee, ALPAC）通过调查研究发布了报告——《语言与机器：翻译和语言学中的计算机》（Language and Machines: Computers in Translation and Linguistics），指出机器翻译质量粗糙，未达到预期效果，建议专注字典开发以及译后编辑，使机器翻译资助锐减。（ALPAC, 1966）
 Orr和Small（1967）对比人工翻译、机器翻译和机器翻译译后编辑模式下俄英翻译速度、效率和准确度方面的差异，发现人工翻译效果优于译后编辑，在三个方面都超越了机器翻译，速度与效率的差异尤甚，而机器翻译与译后编辑的差异相较于人工翻译与译后编辑的差异更大。鉴于译后编辑压力大、费用高，二者仍建议发展机器翻译。Van Slype（1978）在欧盟引进Systran机器翻译后，写了一份报告分析机器翻译、人工翻译和译后编辑译文的可读性，分别为78%，98%和98%，大多数机器翻译用户认为某些情况下的机器翻译译文质量是可以被接受的。来自加拿大通用汽车有限公司的Sereda（1982）指出译后编辑是机器翻译系统中一个非常重要的因素，译后编辑的成功与否直接关系到机器翻译产生的经济价值大小，还谈到影响译后编辑功能的因素包括机器翻译系统的语言能力、源语质量、专业术语存储、个人及机器翻译能力等。Green（1982）将机器翻译错误分成简单的小型错误、耗时的大型错误以及“灰色”错误，并建议译后编辑在面对之前出现过的文本时，可以提前编辑那些有代表性的数据以避免犯相同的错误，从而降低译者的烦恼指数。Laurian（1984）逐渐侧重快译后编辑，将其按照错误修正优先等级分成“必须修改错误”、“可能需要修改错误”和“不该出现的错误”三类，并指出各自的区别，提出译后编辑既不是修改，也不是更正，更不是改写。作者一共收集了11种错误类型，帮助那些没有经过太多语言培训的人群判断文本是否适合译后编辑，这就是后来的机器翻译可行性研究。Elizabeth Wagner（1985）从1981年开始收集数据了解当时使用快译后编辑服务的人群和目的，并分析翻译软件Systran的弊端在于译“词”而非译“意”。Vasconcellos（1985）认为理想的译后编辑应该是一个职业译员，而非某个主题专家，但她也指出译者对于机器翻译的态度是决定译文质量的最关键因素。Schneider（1989）针对西门子公司对译后编辑的培训谈到译后编辑起始阶段翻译效率会降低，经过几个月到一年不等的时间，使用者反馈效率大大提高，语言转换时间逐渐减少。
 Dorothy  Senez（1998）分析译后编辑与翻译的区别，指出前者在增加译文数量、有效利用现有工具和降低翻译成本方面前景广阔。Krings, Hans P.（2001）采用实证研究方法完成博士后研究报告，说明译后编辑即文本修改的过程。同年，该报告被Geoffrey S. Koby从德文译成英文并出版，成为译后编辑领域中最早的一本专著。Allen（2003）讨论机器翻译译后编辑本地化进程、译后编辑原则以及新开发的译后自动编辑模型。Guerberof（2009）通过实验研究机器翻译片段与翻译记忆系统中模糊匹配片段在效率和质量上的关系，发现使用机器翻译的译者工作更高效、译文质量更高，也指出具有翻译技术经验的译者更高效，但译文质量不受影响。Midori Tatsumi（2010）采用定性和定量研究分析发现句子结构、文本类型、术语使用、译后编辑模式与译后编辑行为等因素共同影响译后编辑人员的编辑数量，该研究有助于业界更好地使用机器翻译系统，也能帮助译后编辑人员提高译后编辑技巧和策略。翻译自动化用户协会（TAUS, Translation Automation User Society）（TAUS, 2010）指出译后编辑指导原则的内容涵盖未做译后编辑的原始机器译文和人们对翻译内容的最终预期质量，个人可以根据顾客需要和机器翻译文本质量来选择相应的指导原则。Garcia（2011）指出当下翻译记忆工具能帮助译员将数据库不能匹配的词条存入记忆库，通过实验对比译后编辑与人工翻译发现译后编辑在效率方面优势较小，在翻译质量方面优势非常明显，并从双语方向、文本难度和译者水平层面分析其对译文质量的影响，讨论译者是否应该考虑使用译后编辑替代传统翻译模式。

@@ Line 1: / Line 1: @@
 国家社会科学基金项目课题论证活页
-课题名称：《鲁迅全集》基于XX软件进行译后译后编辑
+课题名称：《鲁迅全集》基于XX软件进行译后编辑
 商务伙伴 1：网易有道