| 501 | 0 | 44 |
| 下载次数 | 被引频次 | 阅读次数 |
随着深度学习技术的广泛应用，计算机对语言复杂性和上下文信息的理解能力显著提升。但术语翻译依然是机器翻译领域的难题，机器翻译译后编辑和自动译后编辑重点修改内容均与术语翻译相关。术语机器翻译主要面临数据资源缺乏和术语复杂性两大挑战。本研究认为，利用生成式人工智能的交互性，通过人机交互的术语译前编辑和人机交互的术语译后编辑，能够有效应对因术语复杂性和术语数据资源缺乏给机器翻译带来的挑战。翻译实践证明，这些方法能显著提升术语机器翻译的表现。
Abstract：With the widespread adoption of deep learning technologies, computers have made significant progress in understanding linguistic complexity and contextual information. However,terminology translation remains a challenging issue in the field of machine translation and continues to be the primary focus of both machine translation postediting and automated post-editing. Terminology machine translation faces two main challenges:the scarcity of data resources and the complexity of terminologies. This study argues that by leveraging the interactive capabilities of generative artificial intelligence, particularly through human-computer interactive pre-editing and post-editing of terminologies, these challenges can be effectively addressed. Our translation practices have proven that these methods can substantially improve the performance of terminology machine translation.
[1] Bahdanau, D., K. Cho&Y. Bengio. Neural machine translation by jointly learning to align and translate[Z]. arXiv, 2014. DOI:10.48550/arXiv.1409.0473.
[2] Branca, A. A. Semantic generalization at the level of the conditioning experiment[J]. The American Journal of Psychology, 1957(4):541-549.
[3] Cabré, C. M. T. Theories of terminology:Their description, pre-scription and explanation[J].Terminology, 2003(2):163-199.
[4] Costa-Jussà, M. R. From feature to paradigm:Deep learning in machine translation[J]. Journal of Artificial Intelligence Research, 2018(1):947-974.
[5] Green, S., J. Heer&C. D. Manning. The efficacy of human post-editing for language translation[A]. CHI’13:Proceedings of the SIGCHI Conference on Human Factors in Computing Systems[C]. New York:Association for Computing Machinery, 2013:439-448.
[6] Lee, T. K. Artificial intelligence and posthumanist translation:ChatGPT versus the translator[J]. Applied Linguistics Review,2024(6):2351-2372.
[7] Razran, G. H. S. A quantitative study of meaning by a conditioned salivary technique(semantic conditioning)[J]. Science, 1939(2326):89-90.
[8] Shao C., Y. Feng, J. Zhang et al. Retrieving sequential information for non-autoregressive neural machine translation[A]. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics[C]. Florence:Association for Computational Linguistics,2019:3013-3024.
[9] Suokas, J. User-centered translation and practical application of usability methods[D].University of Eastern Finland, 2022.
[10] Touvron H., L. Martin, K. Stone et al. Llama 2:Open foundation and fine-tuned chat models[Z].arXiv, 2023. DOI:10.48550/arXiv.2307.09288.
[11] Wei, J. W.&K. Zou. Eda:Easy data augmentation techniques for boosting performance on text classification tasks[Z]. arXiv, 2019. DOI:10.48550/ar Xiv.1901.11196.
[12]陈浩泷,陈罕之,韩凯峰,等.垂直领域大模型的定制化：理论基础与关键技术[J].数据采集与处理, 2024(3):524-546.
[13]陈原.当代术语学在科学技术现代化过程中的作用和意义（提纲）[J].中国科技术语,1985(1):32-33.
[14]崔启亮,雷学发.基于文本分层的人机交互翻译策略[J].当代外语研究, 2016(3):46-52; 94.
[15]崔启亮,李闻.译后编辑错误类型研究——基于科技文本英汉机器翻译[J].中国科技翻译,2015(4):19-22.
[16]冯全功,崔启亮.译后编辑研究：焦点透析与发展趋势[J].上海翻译, 2016(6):67-74; 89; 94.
[17]冯志伟.现代术语学引论[M].北京：商务印书馆, 2011.
[18]冯志伟.大语言模型时代的术语翻译[J].中国科技术语, 2024(3):93-96.
[19]冯志伟,张灯柯.机器翻译与人工翻译相辅相成[J].外国语, 2022(6):77-87.
[20]傅元海,沈坤荣.外资企业生产本地化程度的影响因素研究[J].审计与经济研究, 2010(3):85-94.
[21]耿芳,胡健.人工智能辅助译后编辑新方向——基于ChatGPT的翻译实例研究[J].中国外语, 2023(3):41-47.
[22]谷舒豪,单勇,谢婉莹,等.基于数据增强及领域适应的神经机器翻译技术[J].江西师范大学学报（自然科学版）, 2019(6):643-648.
[23]郭明阳,张晓玲,唐会玲,等.人工智能在机器翻译中的应用研究[J].河南科技大学学报（自然科学版）, 2021(3):97-104; 8.
[24]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(5):66-82.
[25]韩涛,刘璐,高志军.强化技术传播与本地化,助力中国品牌走出去[J].科技导报, 2016(17):105-109.
[26]韩子满,徐珊珊.面向翻译工程师培养的翻译工程教育探索[J].外语界, 2023(6):40-46.
[27]江娜.隐喻型术语的修辞特征研究——以经济学英文术语为例[J].中国科技术语,2019(1):21-25.
[28]蒋向勇,邵娟萍.认知术语学主要理论与术语生成——以新冠肺炎命名为例[J].中国科技术语, 2020(5):15-23.
[29]李浩宇,梁红.基于知识图谱的国际术语翻译研究热点、前沿与启示[J].中国科技术语,2023(2):61-71.
[30]李梅,朱锡明.英汉机译错误分类及数据统计分析[J].上海理工大学学报（社会科学版）,2013(3):201-207.
[31]李亚超,熊德意,张民.神经机器翻译综述[J].计算机学报, 2018(12):2734-2755.
[32]梁爱林.论术语学概念理论的发展[J].术语标准化与信息技术, 2003a(4):4-10; 15.
[33]梁爱林.论术语学理论与翻译的一些相关问题[J].科技术语研究, 2003b(3):26-30.
[34]梁爱林.术语管理的意义和作用——以微软公司术语管理策略为例[J].中国科技术语,2012(5):10-14.
[35]罗季美.机器翻译中的术语错译分析[J].中国科技术语, 2013(1):41-45.
[36]罗季美,李梅.机器翻译译文错误分析[J].中国翻译, 2012(5):84-89.
[37]石立坚.有关术语的几个问题[J].中国科技术语, 1989(2):29-34.
[38]粟武宾.术语标准化应明确的几个有关问题[J].中国科技术语, 1991(2):9-12.
[39]王吉辉.术语的性质和范围[J].中国科技术语,1992(1):14-20.
[40]王吉辉.意义泛化的性质和方式[J].汉语学习,1995(3):33-36.
[41]王均松,肖维青,崔启亮.人工智能时代技术驱动的翻译模式：嬗变、动因及启示[J].上海翻译, 2023(4):14-19.
[42]武强,季雪庭,吕琳媛.元宇宙中的人工智能技术与应用[J].智能科学与技术学报,2022(3):324-334.
[43]肖桐,朱靖波.机器翻译：基础与模型[M].北京：电子工业出版社, 2021.
[44]张娇,潘卫民,摆贵勤.科技翻译的范式转换与译者的数字素养[J].外语电化教学,2024(2):57-62; 109.
[45]张玉琴.医学术语审定程序与管理[J].中国科技术语, 1988(2):38-42.
[46]赵守辉,张东波.语言规划的国际化趋势：一个语言传播与竞争的新领域[J].外国语,2012(4):2-11.
[47]周长青,潘书祥.术语工作原则与方法(I S O DIS 704)[J].中国科技术语, 1998(1):39-41.
[48]周有光.现代文化的冲击波[M].北京：生活·读书·新知三联书店, 2000.
①数据经四舍五入保留两位小数，故占比总计之和可能略高于或低于100%。
基本信息:
DOI：10.13564/j.cnki.issn.1672-9382.2025.04.005
中图分类号:H085
引用信息:
[1]郑国锋,潘曦.人工智能时代的术语机器翻译：挑战与出路[J].中国外语,2025,22(04):96-104.DOI:10.13564/j.cnki.issn.1672-9382.2025.04.005.
基金信息: