翻译平行语料库在口译教学中的应用研究

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Research on the Application of Translation Parallel Corpus in Interpretation Teaching

平行翻译语料库与数据驱动学习结合能有效提升机器翻译质量，但面临数据质量、隐私、扩展性等挑战，需依赖人类翻译生成的优质平行语料库，并利用其构建主动词典优化翻译效率。

　　

摘要

大量且结构化的语言间翻译文本集合被称为平行翻译语料库（Parallel Translation Corpora，PTLs）。尽管数据驱动的学习方法可以从庞大的数据集中获取洞察并创造更加个性化的学习体验，但这种方法仍存在一些问题，如数据质量不佳、隐私担忧、难以扩展、缺乏清晰的解释以及成本高昂。为了提供高质量的输出，机器翻译算法通常使用由人类翻译员生成的平行语料库进行训练。书面文字可以通过翻译从一种语言转换成另一种语言；口语也可以通过翻译实现跨语言传递。基于对真实样本的研究，机器翻译系统利用语料库中的翻译结果来进行翻译。统计方法是利用语料库的众多方式之一。来自两种或多种语言的翻译文本构成了平行语料库。随着数据驱动学习（Data-Driven Learning，DDL）在翻译训练和语言教学中的兴起，这类语料库在翻译和对比研究中的应用越来越广泛。作为专业翻译人员，你可能会遇到各种挑战，包括词汇-语义、语法、句法、修辞、实际操作以及文化方面的问题。词典提供的翻译选项数量有限，且进行全面搜索也存在困难。然而，现代技术凭借其庞大的数据量和快速的数据获取能力，为翻译工作带来了全新的可能性。翻译专业的学生可以从这项研究中采用的创新方法中受益，该方法有助于提升他们翻译的质量和速度。此外，平行语料库中的示例句子易于获取，从而便于从众多翻译候选方案中挑选出最佳结果。由于这些特点，这种方法非常适合作为创建主动式或编码型词典的依据。