通过机器学习和人机交互改进日中文机器翻译系统的方法

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Methods of Improving Japanese-Chinese Machine Translation System through Machine Learning and Human-Computer Interaction

本文提出一种融合机器学习和人机交互技术的日中机器翻译系统优化算法，通过实验验证，系统BLEU指数提升2.04，翻译准确率提高4.25%，可读性提升4.1%，有效优化翻译质量。

　　

摘要

随着全球化的发展，不同国家之间的人员交流变得越来越频繁。由于语言差异，人员交流面临诸多障碍，这在很大程度上阻碍了各国经济、文化和旅游等产业的发展。机器翻译（MT）的出现有效解决了语言障碍问题，大幅减轻了翻译人员在文本翻译中的工作负担。然而，机器翻译缺乏人类翻译的灵活性，它只是逐字进行翻译，往往难以满足人们更高的需求。本文提出构建一个日中文机器翻译系统，并将机器学习与人机交互（HCI）技术融入该系统。为了进一步提升系统性能，还应用了优化算法来改进系统表现。实验结果显示，在BLEU（双语评估指标）方面，本文提出的算法平均BLEU值为8.59，而传统算法为6.55；在翻译准确率方面，本文算法的平均准确率为91.53%，传统算法为87.28%；在翻译可读性方面，本文算法的平均可读性为93.32%，传统算法为89.22%。对比可见，本文提出的算法平均BLEU值提高了2.04%，翻译准确率提高了4.25%，可读性提高了4.1%。由此可见，优化算法能够显著提升日中文机器翻译系统的性能。