效率为先：机器翻译译后编辑技术综述

doi:10.3778/j.issn.1002-8331.2001-0263

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (22): 25-32.DOI: 10.3778/j.issn.1002-8331.2001-0263

效率为先：机器翻译译后编辑技术综述

孟福永，唐旭日

华中科技大学外国语学院，武汉 430074

出版日期:2020-11-15 发布日期:2020-11-13

Efficiency First：Reviewing Technologies of Machine Translation Post-Editing

MENG Fuyong, TANG Xuri

School of Foreign Languages, Huazhong University of Science and Technology, Wuhan 430074, China

Online:2020-11-15 Published:2020-11-13

摘要/Abstract

摘要：

译后编辑是近年来随机器翻译发展新兴的计算机应用研究领域。综述了译后编辑所涉及的三方面的技术问题：自动译后编辑，自动机器翻译质量评估以及译后编辑工作量测量。自动译后编辑与自动机器翻译质量评估均应用自然语言处理领域相关技术，通过自动完成部分编辑工作、筛选机器翻译译文来降低译员工作量，从而提高效率。对译后编辑工作量的研究侧重于分析机器翻译译文的错误对译员工作量的影响，为译后编辑系统环境的设计提供理论依据。总体而言，译后编辑技术研究的主要目的是提高译员的工作效率。

关键词: 机器翻译（MT）, 自动译后编辑（APE）, 质量评估, 译后编辑工作量

Abstract:

Post-editing is a newly-rising research field with the development of Machine Translation（MT） in recent years. This paper reviews the technologies and studies concerning MT post-editing, including Automatic Post-Editing （APE）, MT quality estimation and post-editing effort. APE and MT quality estimation utilize the technologies in natural language processing to rescue translators from repetitive work, thus improving the efficiency. Studies concerning post-editing effort focus on analyzing the impact of MT errors on post-editing effort, preparing theoretical foundations for designing post-editing environments. Overall, the primary aim of MT post-editing is to promote the efficiency of translators.

Key words: Machine Translation（MT）, Automatic Post-Editing（APE）, quality estimation, post-editing effort

孟福永，唐旭日. 效率为先：机器翻译译后编辑技术综述[J]. 计算机工程与应用, 2020, 56(22): 25-32.

MENG Fuyong, TANG Xuri. Efficiency First：Reviewing Technologies of Machine Translation Post-Editing[J]. Computer Engineering and Applications, 2020, 56(22): 25-32.

[1]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[2]	徐思敏，胡士强. 多属性融合网络的行人重识别方法[J]. 计算机工程与应用, 2020, 56(6): 126-132.
[3]	张海斌，刘娟，刘思璇，程宇. 基于卷积神经网络的心电信号质量分析[J]. 计算机工程与应用, 2020, 56(5): 147-152.
[4]	韩东旭，钟宝江. 基于MOS的图像质量评估系统[J]. 计算机工程与应用, 2020, 56(22): 191-198.
[5]	宋倩，郭宇，王发麟. 基于人工神经网络的线缆敷设质量综合评判[J]. 计算机工程与应用, 2018, 54(14): 256-263.
[6]	邱奕敏1，周毅2，3. 基于小波变换的雾霾立体图像增强算法研究[J]. 计算机工程与应用, 2015, 51(9): 30-33.
[7]	张沙，解利军，桂立业，郑耀. 基于信息熵的流线质量评估和布局算法[J]. 计算机工程与应用, 2015, 51(22): 181-186.
[8]	张海燕，李海云. 核磁共振图像脑组织自动提取方法[J]. 计算机工程与应用, 2014, 50(16): 168-172.
[9]	李超1，2，3，谢坤武1，2. 多搜索引擎权重计算及搜索结果排序质量评估[J]. 计算机工程与应用, 2014, 50(12): 21-25.
[10]	黄刚1，袁满1，吴秀英2，丛慧刚1. 元数据驱动的数据质量评估体系架构研究[J]. 计算机工程与应用, 2013, 49(8): 114-119.
[11]	郭强，彭小奇，钟云飞，左龙. 基于信息可用性评价的指纹图像质量增强算法[J]. 计算机工程与应用, 2012, 48(8): 207-210.
[12]	杨朝辉. SAR影像边缘检测质量评估方法[J]. 计算机工程与应用, 2011, 47(5): 10-12.
[13]	王晓华，苏宏业，渠瑜，褚健. 面向电信欠费挖掘的数据质量评估策略研究[J]. 计算机工程与应用, 2011, 47(12): 220-224.
[14]	王峰^1，2，王永刚¹. 基于质量评估的残留指纹分割[J]. 计算机工程与应用, 2010, 46(7): 181-183.
[15]	谢侃，韩国强. 块效应图像质量模糊评估标准[J]. 计算机工程与应用, 2010, 46(35): 212-214.

效率为先：机器翻译译后编辑技术综述

Efficiency First：Reviewing Technologies of Machine Translation Post-Editing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics