基于模糊神经网络与随机青蛙跳跃算法的英语术语翻译

《Systems and Soft Computing》：Fuzzy neural optimization for edge-assisted English terminology translation

　　

摘要

准确的英语术语翻译对于全球交流、技术文档编制、知识共享以及特定领域信息的获取至关重要。然而，语义上的模糊性、不恰当的术语选择以及有限的领域特定性可能会导致现有翻译系统的可靠性降低。本文提出了一种结合模糊神经网络（FNN）的随机青蛙跳跃算法（SFLA-FNN），以实现可靠且具有上下文意识的英语术语翻译。评估使用了包含2000个条目的英语术语翻译准确性数据集，这些条目涵盖了通用词汇和领域特定词汇。数据经过分词处理、停用词去除以及Z分数标准化处理。模糊神经网络（FNN）能够捕捉语义关系和不确定性，而随机青蛙跳跃算法（SFLA）则优化FNN参数以提高收敛性和翻译性能。该框架的准确率为95.6%，精确率为94.8%，召回率为93.8%，F1分数为94.2%，在相同的实验设置下优于其他评估方法。研究结果表明，将模糊推理与进化优化相结合可以提高术语翻译的准确性、语义一致性及上下文可靠性。该框架还为基于边缘计算的低延迟推理提供了基础，适用于那些对术语准确性有较高要求的technical和专业交流场景。从全球范围来看，这种方法有望支持更加可靠的跨语言知识共享、技术交流和特定领域信息的获取，但在处理语义模糊或决策性强的翻译任务时，人类的专业知识仍然不可或缺。

抱歉，出现了问题。请重试并确保已启用Cookies

梁奇|王紫瑶