近年來,人工智能技術(shù)的快速發(fā)展為許多領域帶來了巨大的變化,其中包括口筆譯領域。2016年,“谷歌翻譯”升級了其翻譯系統(tǒng)的基礎技術(shù),由“基于短語的機器翻譯”（PBMT）更新到了“谷歌神經(jīng)機器翻譯”（GNMT）。不僅如此,谷歌還為其翻譯系統(tǒng)配備了深度神經(jīng)網(wǎng)絡（DNN）,使計算機能夠通過觀察數(shù)據(jù)來進行學習,從而很大程度上提高了翻譯質(zhì)量,使機器翻譯與人工翻譯之間的距離又縮短了一步。谷歌的工程師們針對主要語言對（英法、英漢、英西）進行了大量的實驗,并于2016年9月,在《谷歌神經(jīng)機器翻譯系統(tǒng):縮短人類翻譯與機器翻譯之間的差距》中發(fā)表了實驗結(jié)果。根據(jù)實驗結(jié)果,相比于以往的PBMT技術(shù),最新的GNMT技術(shù)將翻譯正確率提升了至少60%。此次重大技術(shù)升級為“谷歌翻譯”作為交替?zhèn)髯g過程中的一項輔助手段提供了可能性。論文將以Daniel Gile的精力分配模型作為理論框架。該模型中的“有限精力分配資源”的理論基礎經(jīng)常被用以研究可能影響口譯員表現(xiàn)的因素。由于GNMT是一個相對較新的研究領域,因此在過去的研究中,以精力分配模型來分析機器翻譯對譯員輔助作用的例子并不多見。論文以對比實驗的方式,研究了“谷歌翻譯”能... 

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
Acknowledgements
摘要
Abstract
Introduction
Chapter One Literature Review
    1.1 Development of Machine Translation
    1.2 Previous Studies on the Application of Machine Translation in ConsecutiveInterpretation
    1.3 Development of Google Neural Machine Translation
    1.4 Previous Studies on the Application of Google Neural Machine Translation inConsecutive Interpretation
Chapter Two Theoretical Framework
    2.1 Gile’s Effort Model
    2.2 Effort Model for Consecutive Interpretation
    2.3 Reasons for Choosing Effort Model
Chapter Three A Study on the Influence of Google Translate on Chinese-English Consecutive Interpretation
    3.1 Purpose of the Experiment
    3.2 Experiment Design
        3.2.1 Choice of Interpretation Materials for the Experiment
        3.2.2 Subjects in the Experiment
        3.2.3 Experiment Procedure
Chapter Four Result Analysis
    4.1 Criteria of Interpretation Evaluation
        4.1.1 Reasons for Choosing the Criteria
        4.1.2 Accuracy
        4.1.3 Grammar
        4.1.4 Fluency
    4.2 Quality Evaluation of the C-E Consecutive Interpretation with and without the Aid of Google Neural Machine Translation
        4.2.1 Accuracy
            4.2.1.1 Quantitative Analysis
            4.2.1.2 Qualitative Analysis
        4.2.2 Grammar
            4.2.2.1 Quantitative Analysis
            4.2.2.2 Qualitative Analysis
        4.2.3 Fluency
            4.2.3.1 Quantitative Analysis
            4.2.3.2 Qualitative Analysis
    4.3 Result Analysis
Conclusion
Bibliography
Appendix Ⅰ Source Language Text
Appendix Ⅱ Test Subjects’Interpretations
Appendix Ⅲ Google Translate’s Translation


【參考文獻】：
期刊論文
[1]神經(jīng)機器翻譯前沿進展[J]. 劉洋.  計算機研究與發(fā)展. 2017(06)
[2]又想起了斯坦納——寫在新版“谷歌翻譯”誕生之際[J]. 葉子南.  中國翻譯. 2017(01)
[3]從機器翻譯歷程看自然語言處理研究的發(fā)展策略[J]. 孫茂松,周建設.  語言戰(zhàn)略研究. 2016(06)
[4]大數(shù)據(jù)背景下的谷歌翻譯——現(xiàn)狀與挑戰(zhàn)[J]. 斯介生,宋大我,李揚.  統(tǒng)計研究. 2016(05)
[5]中國大學生漢英口譯非流利現(xiàn)象研究[J]. 戴朝暉.  上海翻譯. 2011(01)
[6]從Gile的認知負荷模式看口譯中的精力分配失衡[J]. 湯沛.  青年文學家. 2010(05)
[7]“口譯能力”評估和“譯員能力”評估——口譯的客觀評估模式初探[J]. 王斌華.  外語界. 2007(03)
[8]西方口譯理論的興起及其在中國的接受[J]. 楊柳.  中國翻譯. 2007(02)
[9]論口譯質(zhì)量評估的信息單位[J]. 蔡小紅.  外國語(上海外國語大學學報). 2003(05)
[10]科技口譯與質(zhì)量評估[J]. 劉和平.  上�？萍挤g. 2002(01)



本文編號：3721026