47、机器翻译未翻译词汇分析与用户任务性能预测

机器翻译未翻译词汇分析与用户任务性能预测

在当今信息爆炸的时代，机器翻译（MT）的重要性日益凸显。它不再是孤立的技术，而是融入到了端到端的文本处理流程中。本文将深入探讨机器翻译中未翻译词汇的分析以及如何预测机器翻译输出在不同用户任务中的适用性。

未翻译词汇分析及启示

对未翻译词汇（NTW）的分析为机器翻译开发者和用户指明了几个方向。首先是对预处理工具的需求，这些工具不仅包括语言的拼写、语法和代码集校正工具，还包括能够识别和标记文档中不应翻译部分的工具。此外，机器翻译系统可以配备识别目标语言信息的方法，以避免将混合语言文档标记为无法翻译。这些工具可以在翻译前“清理”源数据，而不是将有问题的标记未翻译地传递到输出中。

在机器翻译评估方面，我们需要精心准备一个语料库进行统一评估。某些错误类型必须作为单独的类别纳入评估，以考虑现实世界数据的性质。

机器翻译功能熟练度量表项目

机器翻译如今已成为端到端文本处理过程的重要组成部分，其发展趋势是减少各处理阶段之间的人工干预。因此，需要更精确地判断机器翻译系统产生适合用户文本处理下一步输出的能力。

美国联邦智能文档理解实验室（FIDUL）的机器翻译功能熟练度量表项目（MT Scale）旨在开发一种方法，根据机器翻译系统输出可成功用于的任务来衡量其性能。该项目的目标包括：
1. 确定用户使用翻译材料执行的文本处理任务。
2. 发现文本处理任务的容忍顺序，即翻译质量达到何种程度才能对特定任务有用。
3. 分析语料库中的翻译问题（包括语言和非语言问题），以确定任务容忍度。
4. 开发一组与诊断目标现象相对应的源语言模式。

任务清