翻译语言

摘要： 名词化作为语言使用中的一种普遍现象,经常出现在翻译语言之中。因为不同国家在语言认知方面及表述方式上都存在一定的差异,如此也会使得名词化现象出现差异性。在语料库的驱动下,研究翻译语言名词化异常现象的各种表现,相应地在词汇、词组、句子等层次选择适当的翻译策略,以供参考。

摘要： 在中国莎士比亚翻译的历史中,傅光明的《新译莎士比亚全集》具有开创性意义.仅就《罗密欧与朱丽叶》这部译作为例,译者在语言方面真切地还原了莎剧的经典性和本真面貌,保留了原作作为舞台艺术的语言特点,忠实地再现了原作的内容,尽可能呈现出原作的语言风格,体现出译文自身无法比拟的优势和特点.因此,傅译本具有划时代的价值,必将改写中国莎士比亚翻译和接受的历史,成为中文版《莎士比亚全集》的又一通行本.

摘要： 在中国莎士比亚翻译的历史中,傅光明的《新译莎士比亚全集》具有开创性意义。仅就《罗密欧与朱丽叶》这部译作为例,译者在语言方面真切地还原了莎剧的经典性和本真面貌,保留了原作作为舞台艺术的语言特点,忠实地再现了原作的内容,尽可能呈现出原作的语言风格,体现出译文自身无法比拟的优势和特点。因此,傅译本具有划时代的价值,必将改写中国莎士比亚翻译和接受的历史,成为中文版《莎士比亚全集》的又一通行本。

摘要： 翻译语言因其独有特征,又被称为“第三语码”.但这个第三语码是否存在,翻译学界尚有争议.本研究试图在依存语法的框架下,从句法层面探究和回答这个问题.通过创建英语翻译文本和英语母语语料库及标注依存树库,计算库中所有文本的平均依存距离和依存方向.最后,经过统计分析得出结果:翻译文本与目的语母语文本在依存距离和方向方面均存在显著差异.本文证明,具有独有特征的“第三语码”确实存在,也说明依存语法的计量方法在翻译研究中的可行性.

摘要： 在语料库翻译学的框架下,将《摆手歌》英译本Sheba Songs与戴乃迭翻译的《阿诗玛》以及英国本土民间故事Beowulf的现代散文体版本进行语内比较,从词汇、句法和语篇探讨《摆手歌》英译本的翻译语言特征.研究发现《摆手歌》英译作品呈现复杂的翻译语言特征:《摆手歌》英译作品在词汇多样性和句法复杂性方面呈现翻译语言的简化特征,但是,其词汇密度值高于英语原创文本,却低于英语母语者的英译文本Ashima,其高频词和低频词的使用状况也显现不同于一般翻译语言特征,更多受源文本和译者的中介语使用特征影响.人称代词和连接词使用状况则表明《摆手歌》英译文本没有体现翻译语言的语法显性特征.

摘要： 不久以前,许多任务还需要靠人类直觉才能完成,如今却都使用了计算机。计算机日常可用于识别图像中的物体、转录语音、翻译语言、诊断疾病、玩复杂的游戏和驾驶汽车。实现这些惊人发展的技术称为“深度学习”,指的是被称为人工神经网络的数学模型。深度学习是机器学习的一个分支,而机器学习是计算机科学的一个分支,它建立在对复杂模型进行数据拟合的基础上。

摘要： 高考文言句译,是不言而喻的难点,更可以说是难中之难。因为翻译要求做到:一是要正确理解,二是要紧扣语境,三是要准确表述。这其中,既有信息的输入,又有信息的加工,更有信息的输出,综合性十足,实践性很强,充分体现了语文的特点,不难才怪。一、文言文翻译,造成困难的原因(一)翻译语言,本身就难。

摘要： 1引言在语言研究中,翻译语言常被称为"第三语码",拥有自己的独特特征。Monna Baker等学者倡导的语料库翻译学研究(Corpus Translation Studies)主张通过语料库方法,通过对翻译语料与原创语料进行语内类比,来把握翻译语言的特征。与国内外学者对翻译英语的高度关注相比,日语学界对翻译日语的关注度尚显不够。本研究尝试将目光转向译自汉语的日语翻译小说。

摘要： 口译是以一种语言对用另一种语言口头陈述内容的即时表达,是一种即席的口头复制过程。语言是文化的载体,翻译是帮助人们进行跨文化交际,因此翻译不仅仅是翻译语言,而且也是翻译文化。口译者应该如何面对不同文化、应该如何处理口译中的文化因素,笔者就此问题提出了几种处理策略。

摘要： 本发明公开了一种基于模板的多语言翻译方法及翻译系统；翻译系统包含特征词生成模块、模板生成模块及翻译模块。首先，解析待翻译文件是否包含至少一个特征变量；其次，将待翻译文件以及至少一个特征变量进行模板化处理及翻译；最后，将待翻译文件进行完整翻译。本发明能够应用于在原文与译文有较为统一翻译习惯的场景中，得出高质量翻译结果，并能够节约人力资源耗费。

摘要： 本发明具备：存储机构(32)，其对多种语言，存储各语言的字符代码表中未分配字符的未定义字符代码列表；对照机构(34)，其对语言判别对象的字符串中包含的各字符的字符代码、与在上述存储机构中存储的各语言的未定义字符代码列表进行对照；和判别机构(34)，其根据对照机构所对照的结果、将上述多种语言中与未定义的字符代码相符的字符未包含在上述字符串中的语言判别为该字符串的语言。

摘要： 本发明提供一种多语言机器翻译模型训练方法、多语言翻译方法及装置。训练方法包括：获取多语言翻译训练语料和多语言翻译验证语料；建立并初始化全参数共享的多语言翻译模型，利用多语言翻译训练语料和多语言翻译验证语料对多语言翻译模型进行训练，得到多语言机器翻译模型。在训练过程中模型自动判断每个共享的参数是否需要转变为语言相关的参数，复制需要转变的参数并将其分配给相关的语言，从而使得模型同时具有共享参数和语言相关参数。本发明用于在多语言机器翻译模型训练的过程中，自动判断参数是否需要共享以及需要被哪些语言对共享，而不依赖预先指定的共享或语言相关的模型组件。

摘要： 本发明的目的在于提供一种低成本且高精度的多语言翻译装置和多语言翻译方法。本发明的多语言翻译装置包括：翻译请求获取部(1)，其获取将第一语言的翻译对象字符串翻译成第二语言的翻译请求；字符串提取部(4)，其在存储有包含第一语言在内的多种语言的字符串数据的其他语言数据库(3)中未存储有第二语言的字符串数据的情况下，对于在其他语言数据库(3)中存储有字符串数据的多种语言中的每一种语言，从其他语言数据库(3)提取出与翻译对象字符串对应的翻译源字符串；翻译部，其利用翻译服务器(53)将翻译源字符串翻译成第二语言的第三字符串；以及翻译结果选择部(8)，其将第三字符串中特定的字符串选为翻译结果。

摘要： 本发明涉及属于机器翻译领域，提供了跨语际语言翻译的神经机器翻译模型构建及其翻译方法，适用于各类跨语际语言翻译。在训练时，基于训练子集的源语言语料进行编码，构建融合其上下文依赖关系的文本向量，然后计算得其文本表征；然后，针对该子集逐词进行解码，在每一步，首先融合历次译文文本和源文本获得混合表征，然后基于此进行焦点位置计算，获取当前焦点位置的翻译候选词；通过不同子集，在达到一定的步数后，根据候选词和真值的误差进行迭代训练。翻译方法，同样逐词进行翻译，在每一个翻译步，生成当前步基于焦点位置的翻译候选表示，并利用启发式搜索算法，选择其中全局概率值最大的候选文本作为当前步输出的译文文本，直至翻译完成。

摘要： 本发明涉及自然语言处理技术领域，特别涉及一种多语言翻译模型构建方法，包括以下步骤：获取模型并进行预训练；对模型添加语言转换器得到多语言翻译模型；具体是为每种源语言和目标语言构建一套词表以及和词表对应的词嵌入矩阵，再将对应语言的语言转换器接在词嵌入矩阵之后。通过在模型中设计了语言转换器，实现各语言独立的语义空间和跨语言共享的语义空间之间实现自由转换，使模型在充分利用参数共享以提升跨语言表示质量，降低跨语言翻译知识迁移难度的同时，实现目标语言在其独有语义空间下生成的能力，从而有效避免小样本和零样本的脱靶翻译问题。

摘要： 本发明公开一种基于神经机器翻译技术的超文本标记语言翻译方法，从含有外文数据的网络中爬取海量数据作为超文本标记语言语料，从超文本标记语言语料中获取双语句对；对双语句对进行清洗过滤、分词、子词切分预处理，得到训练数据，并输入到神经网络模型中训练至模型收敛；对用户实时输入的超文本标记语言进行处理，提取出超文本标记语言文本中需要翻译的句子和需要保留的格式；对需要翻译的句子进行预处理，将句子标签状态进行保存并翻译；对输入句子和翻译结果进行词对齐使标签被正确添加到翻译结果中，获得与用户输入匹配的高精度译文。本发明使超文本标记语言的标签被正确的保留，获得与用户输入匹配的高精度译文，使翻译效果十分优越。

摘要： 本公开实施例公开了语言翻译模型的训练方法、翻译方法、装置和电子设备。该语言翻译模型的训练方法的一具体实施方式包括：获取训练样本集合，所述训练样本集合包括多个训练样本；对于每一个训练样本，确定该训练样本的第一集合，所述第一集合包括该训练样本以及至少一个拆分结果，所述拆分结果是对该训练样本拆分得到；使用多个训练样本对各自对应的第一集合对初始语言训练模型进行训练，得到训练后的语言翻译模型。由于训练样本的第一集合中包括训练样本和训练样本的拆分结果，使用上述方法得到的语言翻译模型翻译文档时，所得到的翻译文档的准确度和一致性较高。

摘要： 本发明实施例提供一种语言翻译处理模型训练方法，包括对样本语言文本执行向量转化，以得到多个样本分词数据对应的样本分词向量及位置向量；随机初始化转换神经网络模型中的权重参数；基于第一约束条件和第二约束条件，得到约束后的权重参数；根据样本分词向量、位置向量、约束后的权重参数计算样本注意力分值，并得到目标样本翻译语言文本；当目标样本翻译语言文本与样本语言文本对应的样本翻译语言文本不一致时，调整模型的约束后的权重参数，以得到训练后的语言翻译处理模型。本发明实施例提供语言翻译处理方法。本发明实施例的模型训练方法对权重参数增加约束条件，提升模型优化的速度，提高模型训练的稳定性。

摘要： 本公开实施例提供了一种基于多语言机器翻译模型的翻译方法、装置、设备和介质。该方法包括：获取待翻译的原始语句和所述原始语句的翻译语言信息；确定与所述原始语句的翻译语言信息对应的目标适配器，其中，所述目标适配器用于校正预先设置的多语言机器翻译模型的翻译误差；基于所述多语言机器翻译模型和所述目标适配器对所述原始语句进行翻译，得到目标语句。本公开实施例通过采用上述技术方案，采用适配器校正多语言机器翻译模型的翻翻译误差，能够提高多语言翻译模型所输出的翻译结果的准确性。