Page 187 - 跨文化背景下英语翻译理论研究与实践探索

第七章 计算机辅助翻译技术

与目标语境相似的语言文本。而在翻译模式创新发展的过程中，翻译者需要在“辅
助翻译”“翻译记忆”及“人工校对”前进行语境分析与大数据挖掘工作。
利用大数据技术拓展语料库的内容。传统计算机辅助翻译适用性低的成因主

要有：翻译软件的智能性较低，难以应对内容层次、复杂程度较高的源语文本。
语料库缺乏对源语文本的特征识别。其中，智能性问题可以通过优化人工智能技
术来实现。而缺乏“文本特征识别”的问题，则需要借助大数据技术对法律文件、
文学文本、技术文件及说明书进行识别和归纳，确定文本的基本内容，并引导翻

译者构建出不同类型的数据库层级（即在原有语料库的基础上，进行分类或分级），
使计算机辅助翻译软件能够在文本特征识别的过程中，提供较为准确的译文文本。
而在辅助翻译模式的创新上，需要翻译者加强对大数据技术的应用，丰富记忆库
或语料库的翻译内容，形成特定的文本翻译范式，使计算机辅助翻译在大数据技

术的支持下，更好地扩充语料库的文本内容和类型。
利用大数据技术提高模糊匹配召回率。模糊匹配召回率低是计算机辅助翻译
的基本问题，难以帮助翻译者提升文本翻译的质量和效率。而在大数据技术的支
持下，翻译者能够通过模式转变的方式，优化模糊匹配的机制，强化源语翻译的

质量。
首先，改变文本翻译环境。将源语文本置入计算机辅助翻译软件中，并利用
大数据技术对记忆库进行句型比对、类型比对、信息挖掘与数据分析，确定源语
文本所翻译的范畴。随后在翻译者利用模糊匹配的过程中，召回匹配度较高的文

本数据。简而言之就是在语言翻译前将原始文本输入到辅助翻译软件中，并根据
常规的辅助翻译模式，对句式或语篇进行翻译。在这个过程中，大数据技术能够
综合分析语料库与原始文本的相似性和差异性，提高模糊匹配的召回效率和质量。
其次，将大数据技术与辅助软件的记忆系统有机地结合起来，并在共享机制

的支持下，分析过往模糊匹配的结果及应用情况，从而筛选出符合源语内容的语
料资源。但在该模式下，翻译者必须确保计算机辅助翻译软件拥有较强的共享性，
可以与其他用户实现数据共享和共联，以此提高翻译的实效性和有效性。

六、人工智能与计算机辅助翻译中的创新发展

（一）人工智能 + 机辅翻译的发展现状
人工智能在多个领域都得到了应用。人工智能简称 AI，是对人的思维以及

·177·