基于深度学习的机器翻译技术应用

基于深度学习的机器翻译技术应用

赵凌云

（齐鲁师范学院信息科学与工程学院，山东省济南市250200）

摘要：基于深度学习的机器翻译技术应用，不仅对于当代人工智能和大数据技术的发展提供重要的物质支撑和精神支持，更为新时代我国语言咨询服务行业经济的高质量发展夯实坚实的基础，真正促进产业结构的优化升级。但是，现如今基于深度学习的机器翻译技术应用存在一系列问题，包括机器翻译质量有待提升、个性化定制用户需要增加、MTPE模式应用占比较小。而在路径创新层面，包括加强机器翻译技术应用的普及力度、深化机器翻译技术应用的科技研发、提高机器翻译业务操作人员的水平。因此，本文旨在结合机器翻译技术应用的发展特征和现状，探究未来基于深度学习的机器翻译技术应用的发展前景和上升维度。

关键词：深度学习；机器翻译；技术应用；现状问题；路径创新

前言

伴随着人工智能和大数据技术的普遍应用和广泛开展，基于深度学习的机器翻译技术也深受影响，这种生产方式的变化给以语言咨询服务为基础的企业，提供众多发展机遇和优良市场前景，但与此同时，全球化浪潮的风起云涌和大数据技术的日益兴起，促使各类市场主体高度关注语言咨询服务行业，也致使基于深度学习的机器翻译技术受到了严峻的挑战。

1.基于深度学习的机器翻译技术应用主要概况

在新时代中国特色社会主义的大背景下，经济的高质量发展促使中国的语言咨询服务企业开始优化产业结构升级与调整。在中国众多的语言咨询服务企业中，对于机器的翻译技术应用还存在很多调整地方和上升空间，无论是从翻译质量，还是从翻译模式角度，对于理论的研究和人才的培养，各类市场主体必须保证对于市场信息的敏感程度，打造契合市场经济发展的机器翻译技术。在经济全球化的时代背景日益加深和“一带一路”建设的日益推进，中国的文化自信也越来越蓬勃发展。现如今，中国语言咨询服务市场的需求量呈现递增态势，各种项目的发展也出现多样化的特征。一旦没有相关的机器翻译技术的应用，海量的翻译数据在应对的过程中，就会出现较为棘手的情况。除此以外，大数据时代背景下，基于深度学习领域的机器翻译技术的迅速发展，有利于为神经网络机器翻译技术时代的来临，奠定坚实的基础，它在促进生产力发展质量和效率的同时，保证其成为翻译信息的最佳工具。虽然现如今基于深度学习的机器翻译技术应用存在诸多问题，但其路径创新方面还是有着极大的潜力上升空间。

语言咨询服务行业从本质上进行分析，如同一个完善的生态系统，涵盖其中的任意一个部分的变化都有可能致使生态系统发生一系列连锁的剧变，必须在走协同创新道路的基础上，促使机器翻译技术应用加快产业结构的优化升级，增强经济发展动能，把握这项技术广泛应用的时代契机与机遇。根据相关调查显示，机器翻译技术应用的发展前景，还是总体呈现向好态势。大部分企业对于机器翻译技术的普遍应用都是表现出乐观态度，相关企业认为机器翻译技术，有利于在翻译效率和翻译成本上，带来极大的不同与变化。虽然一小部分企业在使用该技术层面，没有体现太多的硬性要求与规定，但是依然呈现出欢迎态度。更为重要的一点，机器翻译技术的普遍应用与广泛普及，为相关子技术的发展，带来了喷涌式的创新，涵盖人工智能辅助翻译与翻译技术管理等。在此情况下，众多企业更会适应大数据时代背景下的语言咨询服务变革，促进相关行业的经济增速保持平稳运行态势，为大量新型岗位的出现，提供了坚实的物质基础。因此，这种机器翻译技术应用与人工智能辅助性翻译的结合，将会成为未来时代发展的重要趋势，长此以往促进相关业态的生态可持续循环。

2.基于深度学习的机器翻译技术应用存在问题 

基于深度学习的机器翻译技术应用中普遍存在着包括机器翻译质量有待提升、个性化定制用户需要增加和MTPE模式应用占比较小等方面的主要问题。

2.1机器翻译质量有待提升 

现如今，基于深度学习的机器翻译技术应用水平已经取得了较快的发展和长远的进步，但总体上机器翻译质量还是有待全方面加强，翻译人员的核心地位还是处于不可代替的。根据市场调研情况，大部分企业普遍反映机器翻译存在一定程度上的质量欠缺或功能偏弱问题，质量问题主要涵盖专用术语应用错误、词语意义使用错误等；功能问题主要涵盖垂直领域划分不明确、功能体现不系统稳定等。因此，通过对上述问题的系统总结，大部分受访企业希望机器翻译技术应用系统，更精准有效的提升自身的语意辨析能力、语言转换能力、领域覆盖能力等。因此，现在市面广泛普及和广受欢迎的机器翻译技术应用，在其质量管理层面，还有极大的上升空间，其发展阶段也处于起步状态，需要我们树立正确的态度去认识它。

2.2个性化定制用户需要增加

个性定制化的机器翻译系统通过应用某一领域的语言数据进行整合，为满足客户的个性化需求而量身打造。根据相关市场调查，拥有高质量的机器翻译系统在与人工编辑进行相互协作的基础上，有利于促进生产力水平的高质量提升。因此，大部分的语言咨询服务企业对于机器翻译的需求量是与日俱增，这种个性定制化的机器翻译系统理应受到更多的关注与重视。现如今，全球将近1/4的语言咨询服务企业在使用自主研发或定制的个性化机器翻译系统，不过在应用的过程中，也是存在诸多问题，必须加以重视。例如，很多国内相关企业不了解其内部构造，包括重视的版权归属问题，这些问题的接连出现会导致个性定制化的机器翻译系统呈现使用效果不佳的情况，迫使大部分企业应用通用式机器翻译系统，不利于个性化市场的兴起和技术的优化升级。

2.3MTPE模式应用占比较小

MTPE模式应用的占比是关乎基于深度学习的机器翻译技术应用的关键。根据市场调查，大多数企业应用MTPE模式的意识并不高且占比较少。这一问题的产生涵盖企业使用机器翻译技术应用的频率等方面。众所周知，诸多语言咨询服务企业在使用MTPE模式的过程中，较多处理的是参考级与常规级文本，而出版级文本的投入使用少之又少。因此，大部分企业需要在未来的一段时间，在投入相应资金的基础上，普遍推广MTPE模式。这种模式的推广包括个性化定制系统、MTPE模式培训活动等。未来机器翻译技术的应用一定会朝系统化、精细化的方向迈进，虽然人工翻译一定会具有自身鲜明的特色，但是MTPE模式的应用仍然会占据主导地位。

3.基于深度学习的机器翻译技术应用路径创新

基于深度学习的机器翻译技术应用的路径创新具体可以从加强机器翻译技术应用的普及力度、深化机器翻译技术应用的科技研发和提高机器翻译业务操作人员的水平等方面展开探索实践。

3.1加强机器翻译技术应用的普及力度

语言咨询服务企业应该积极推广机器翻译技术的普遍应用。第一，企业的自身主营业务必须同时代发展大势相结合，应用个性化的机器翻译系统。与此同时，翻译云系统的引入完善，更有利于与翻译项目的开展做好融会贯通。因此，企业在机器翻译技术应用的普及力度层面进行强化，在推广MTPE模式的基础上，整体推进企业的生产效率。更为重要的关键，建立行之有效的常态化的培训机制体制，提高工作人员的专业素质能力，也是提高机器翻译技术应用的优化路径。第二，相关企业可以举办系列论坛活动，制定机器翻译技术行业的评价标准。第三，公益讲座作为必不可少的环节，有利于在考察评估机器翻译技术应用发展的行业情况的基础上，形成渗透诊断性评价和终结性评价的重要专题总结报告。

3.2深化机器翻译技术应用的科技研发

语言技术开发商应该加大在机器翻译领域的投入。首先，应改善机器翻译的模型，提高机器翻译的译文质量；借助技术积极挖掘语料资源，让机器翻译能够支持更多的垂直领域。其次，要更多地从用户角度去开发和应用机器翻译系统，将机器翻译产品实用化,服务于社会。再次，要建立更高效的机器翻译质量评测和反馈学习机制，实现机器自主学习或自动化译后编辑，减少机器译文中重复的错误（见图1机器自动化译后编辑）。最后，还应改善机器翻译与译后编辑工具的兼容性，使二者更好地集成、互补。现如今已经有语言技术开发商通过实时地采集译者个人在翻译过程中所产生的语料数据、术语数据,以及翻译行为、翻译特征、修订反馈、场景信息等数据，融合自然语言处理、深度学习、人机交互和智能机器人等人工智能技术，训练和生成译者专属、高度定制化、不断迭代的机器翻译系统，实现译者的“克隆”。可见，机器翻译系统的定制功能、自主学习功能以及与CAT平台的深度融合都将是该领域技术研发未来的趋势。

图1机器自动化译后编辑

3.3提高机器翻译业务操作人员的水平

机器翻译理论和方法研究是支撑机器翻译技术研究和应用的基础，因此，在大规模数据、移动互联时代，亟需更新的和突破性的理论方法破除瓶颈，以推动机器翻译的发展。相比其他翻译研究领域，译后编辑仍属于新兴跨学科研究领域，尚未引起学界足够重视，国内外的相关研究较少，迫切需要出现成熟的学术专著和科研队伍，以保证此类研究的开展。部分专家曾指出，信息技术驱动下的翻译研究视野会不断拓展，关注的对象包括交互机器翻译和神经机器翻译、语音识别和即时翻译技术与云翻译平台、机器翻译和计算机辅助翻译智能化整合。因此，国内研究人员应当开拓研究视野，结合实际需求，提出更有效、更高效的方法或模型，以推动机器翻译和译后编辑的发展，为行业实践提供参考。

结语

在新的时代背景下，对于语言咨询服务企业来说，基于深度学习领域下的机器翻译技术应用的不断创新和普及，促使机器翻译的需求度与日俱增。各类市场主体必须在契合时代发展大势的前提下，形成彼此之间分工协作与深度合作的态势，形成产学研相互结合的发展模式。

参考文献

[1]丁亮,姚长青,何彦青,李辉.深度学习在统计机器翻译领域自适应中的应用研究[J].情报工程,2017,3(03):64-76.

[2]徐翼龙,李文法,周纯洁. 基于深度学习的自然语言处理综述[C].中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集.2018:202-205.

[3]宋仕振.试论机器翻译与人工翻译的未来关系[J].未来与发展,2019,43(02):25-30.

[4]胡仁青.基于深度学习算法的机器自动翻译质量评估模型[J].电子设计工程,2021,29(21):33-37+42.

[5]尹锋林,赵旖鑫.挑战与应对：机器翻译的发展与翻译权行使的未来[J].科技与法律(中英文),2021(03):45-54.

[6]于昌利,罗艺.《翻译、人脑与电脑——神经语言学对机器翻译中歧义和复杂性问题的解决方案》述评[J].外语教学与研究,2021,53(05):787-792.