摘 要： 隨著人工智能等計(jì)算機(jī)相關(guān)技術(shù)的發(fā)展，利用計(jì)算機(jī)進(jìn)行英語(yǔ)翻譯工作也逐漸成為研究方向之一，受限于算法及匹配度等因素影響，英語(yǔ)翻譯仍存在瓶頸。因此，提出了基于英語(yǔ)翻譯應(yīng)用視角的計(jì)算機(jī)智能校對(duì)模型并進(jìn)行開(kāi)發(fā)研究，該模型能夠在單詞級(jí)別上直接整合附加注釋——包括語(yǔ)言標(biāo)記或自動(dòng)生成的單詞類?；诖四Ｐ偷膶?shí)驗(yàn)表明，基于英語(yǔ)翻譯應(yīng)用視角下的計(jì)算機(jī)智能校對(duì)模型可以在自動(dòng)得分和更多語(yǔ)法連貫性方面帶來(lái)更好的翻譯表現(xiàn)，最后還從硬件、軟件兩方面探討了計(jì)算機(jī)智能校對(duì)系統(tǒng)開(kāi)發(fā)。

關(guān)鍵詞： 英語(yǔ)翻譯; 智能校對(duì); 訓(xùn)練樣本

中圖分類號(hào)： TP311 ? ? ?文獻(xiàn)標(biāo)志碼： A

Research on the Development of Computer Intelligent Proofreading System

Based on the Perspective of English Translation Application

SUN Rui

（Xian Innovation College， Yanan University， Xian 710100）

Abstract： With the development of computer-related technologies such as artificial intelligence， the use of computers for English translation has gradually become one of the research directions. Due to factors such as algorithm and matching degree， English translation still has bottlenecks. Therefore， this paper proposes a computer intelligent proofing model based on the perspective of English translation application and conducts research and development. This model can directly integrate additional annotations at the word level， including language markers or automatically generated word classes. Experiments based on this model show that the computer intelligent proofing model based on the perspective of English translation application can bring better translation performance in terms of automatic score and more grammatical coherence. Finally， the development of computer intelligent proofreading system is discussed from both hardware and software aspects.

Key words： English translation; Intelligent proofreading; Training samples

0 前言

隨著人工智能等計(jì)算機(jī)相關(guān)技術(shù)的發(fā)展，利用計(jì)算機(jī)進(jìn)行英語(yǔ)翻譯工作也逐漸成為研究方向之一[1、2]。當(dāng)前最先進(jìn)的計(jì)算機(jī)機(jī)器翻譯方法，即所謂基于短語(yǔ)的模型，但僅限于小文本塊的映射，由于沒(méi)有明確使用語(yǔ)言信息，可能是形態(tài)學(xué)、句法或語(yǔ)義。通過(guò)將其集成到預(yù)處理或后處理步驟中，已經(jīng)證明這些附加信息是有價(jià)值的[3-5]。一般而言出于兩類原因，需要將語(yǔ)言信息更緊密地整合到翻譯模型中：以更一般表示形式操作的翻譯模型，例如詞條而不是表面形式的詞，可以利用更豐富的統(tǒng)計(jì)數(shù)據(jù)并克服由有限的訓(xùn)練樣本引起的數(shù)據(jù)稀疏性問(wèn)題，翻譯的許多方面可以在形態(tài)學(xué)、句法或語(yǔ)義層面上得到最好的解釋[6]。將這些信息提供給翻譯模型可以直接建模這些方面，例如：句子級(jí)別的重新排序主要由一般句法原則驅(qū)動(dòng)，局部協(xié)議約束在形態(tài)學(xué)中出現(xiàn)等，然而這些翻譯卻只能針對(duì)短語(yǔ)有效[7]。許多學(xué)者已經(jīng)進(jìn)行了許多嘗試以向統(tǒng)計(jì)機(jī)器翻譯模型添加更豐富的信息，其中大部分都集中在對(duì)統(tǒng)計(jì)系統(tǒng)的輸入進(jìn)行預(yù)處理或?qū)ζ漭敵鲞M(jìn)行后處理[8、9]。因而我們將基于短語(yǔ)的方法擴(kuò)展到統(tǒng)計(jì)翻譯，提出了基于英語(yǔ)翻譯應(yīng)用視角下的計(jì)算機(jī)智能校對(duì)模型，該模型允許在單詞級(jí)別進(jìn)行額外注釋，在框架中的一個(gè)詞不僅是一個(gè)標(biāo)記，而是一個(gè)代表不同注釋級(jí)別的因子向量如圖1所示。

豐富的形態(tài)通常對(duì)統(tǒng)計(jì)機(jī)器翻譯構(gòu)成挑戰(zhàn)，因?yàn)樵醋韵嗤淼亩喾N單詞形式將數(shù)據(jù)分段并導(dǎo)致稀疏的數(shù)據(jù)問(wèn)題。如果輸入語(yǔ)言在形態(tài)上比輸出語(yǔ)言更豐富，那么在將輸入傳遞到翻譯系統(tǒng)之前，它有助于在預(yù)處理步驟中對(duì)輸入進(jìn)行干擾或分段[10、11]。

本文描述了因式轉(zhuǎn)換模型的動(dòng)機(jī)、建模方面和計(jì)算有效的解碼方法，并簡(jiǎn)要介紹了許多語(yǔ)言對(duì)的結(jié)果。統(tǒng)計(jì)機(jī)器翻譯中的缺點(diǎn)是形態(tài)學(xué)處理不當(dāng)，每個(gè)單詞形式在其中被視為一個(gè)標(biāo)記[12-13]。這意味著翻譯模型會(huì)將單詞“house”視為完全獨(dú)立于單詞house，樣本數(shù)據(jù)中的任何房屋實(shí)例都不會(huì)為房屋的翻譯增加任何知識(shí)。在極端情況下，雖然房屋的翻譯可能是模型已知的，但房屋可能是未知的，系統(tǒng)將無(wú)法翻譯它。雖然這個(gè)問(wèn)題在英語(yǔ)中沒(méi)有顯示出來(lái)——由于英語(yǔ)形態(tài)學(xué)上的變形非常有限，但它確實(shí)構(gòu)成了形態(tài)豐富的語(yǔ)言，如阿拉伯語(yǔ)、德語(yǔ)、捷克語(yǔ)等的重大問(wèn)題[1]。因而，可以在引理水平上對(duì)形態(tài)豐富的語(yǔ)言之間的翻譯進(jìn)行建模，從而匯集來(lái)自共同引理的不同單詞形式的證據(jù)。在這樣的模型中，我們引入了因式轉(zhuǎn)換模型分別翻譯引理和形態(tài)信息，并在輸出端組合這些信息以最終生成輸出表面詞，如圖2所示。

2 基于英語(yǔ)翻譯應(yīng)用視角下的計(jì)算機(jī)智能校對(duì)模型 ?基于英語(yǔ)翻譯應(yīng)用視角下的計(jì)算機(jī)智能校對(duì)模型（Computer Intelligent Proofing，簡(jiǎn)稱CIP模型）嚴(yán)格遵循基于短語(yǔ)的模型的統(tǒng)計(jì)建模方法，主要區(qū)別在于樣本數(shù)據(jù)的準(zhǔn)備和從數(shù)據(jù)中學(xué)習(xí)的模型類型。

2.1 翻譯分解

將輸入詞的因式表示轉(zhuǎn)換為輸出詞的因式表示被分解為一系列映射步驟，這些步驟將輸入因子轉(zhuǎn)換為輸出因子，或者從現(xiàn)有輸出因子生成額外的輸出因子。在本模型中，轉(zhuǎn)換過(guò)程分為以下3個(gè)映射步驟：1、將輸入引理轉(zhuǎn)換為輸出引理;2、翻譯形態(tài)和POS因素;3、根據(jù)引理和語(yǔ)言因素生成表面形式[2]。分解的翻譯模型建立在基于短語(yǔ)方法的基礎(chǔ)上，該方法將句子的翻譯分解為小文本塊（所謂的短語(yǔ)）的翻譯，如圖3所示。

2.2 樣本訓(xùn)練

首先，訓(xùn)練數(shù)據(jù)須用其他因素注釋，會(huì)涉及在語(yǔ)料庫(kù)上運(yùn)行自動(dòng)工具，因?yàn)槭謩?dòng)注釋的語(yǔ)料庫(kù)很少且生產(chǎn)成本很高。其次，需要為并行訓(xùn)練中的所有句子建立一個(gè)單詞匹配機(jī)制，單詞對(duì)齊方法可以對(duì)單詞的表面形式或任何其他因素進(jìn)行操作。再者，每個(gè)映射步驟都構(gòu)成整個(gè)模型的一個(gè)組成

部分，從訓(xùn)練的角度來(lái)看，這需要從單詞對(duì)齊的平行語(yǔ)料庫(kù)中學(xué)習(xí)翻譯和生成表，并定義評(píng)分方法，幫助用戶在模糊映射之間進(jìn)行選擇。

2.3 組件組合

與基于短語(yǔ)的模型一樣，CIP模型可以將因式分析模型視為幾個(gè)組件的組合，這些組件定義了一個(gè)或多個(gè)在對(duì)數(shù)線性模型中組合的要素函數(shù)[3]如式（1）。pef=12exp∑ni=1λihie，f

（1） ?Z是在實(shí)踐中被忽略的歸一化常數(shù)，為了計(jì)算給定輸入句子f的翻譯概率，必須評(píng)估每個(gè)特征函數(shù)hi，如式（2）。hLMe，f=pLMe=

pe1pe2e1..pemem-1

（2） ?需要考慮由語(yǔ)言模型翻譯和生成步驟引入的特征函數(shù)，輸入句子f到輸出句子e的翻譯分解為一組短語(yǔ)翻譯j，j。

對(duì)于翻譯步驟組件，給定評(píng)分函數(shù)τ，在短語(yǔ)對(duì)j，j上定義每個(gè)特征函數(shù)hT如式（3）。hTe，f=∑jτj，j

（3） ?對(duì)于生成步驟組件，給定評(píng)分函數(shù)γ的每個(gè)特征函數(shù)hG僅在輸出字ek上定義如式（4）。hGe，f=∑kγek

（4）2.4 高效解碼

CIP模型將短語(yǔ)翻譯分解為若干映射步驟會(huì)產(chǎn)生額外的計(jì)算復(fù)雜性。在基于短語(yǔ)的模型中，很容易識(shí)別短語(yǔ)表中可用于特定輸入句子的條目。波束搜索解碼算法以空假設(shè)開(kāi)始，通過(guò)使用所有適用的翻譯選項(xiàng)生成新假設(shè)，以相同的方式產(chǎn)生進(jìn)一步的假設(shè)，依此類推，直到創(chuàng)建覆蓋整個(gè)輸入句子的假設(shè)，最高得分完全假設(shè)表示根據(jù)模型的最佳翻譯[4]。

由于所有映射步驟對(duì)相同的短語(yǔ)分段進(jìn)行操作，可以在啟發(fā)式波束搜索之前有效地預(yù)先計(jì)算這些映射步驟的擴(kuò)展，并將其存儲(chǔ)為轉(zhuǎn)換選項(xiàng)。

在給定映射步驟的情況下，需要注意轉(zhuǎn)換數(shù)量的組合過(guò)量，可能會(huì)創(chuàng)建太多的翻譯選項(xiàng)來(lái)處理。目前通過(guò)早期篩選擴(kuò)展來(lái)解決這個(gè)問(wèn)題，并且默認(rèn)情況下將每個(gè)輸入短語(yǔ)的翻譯選項(xiàng)數(shù)量限制為最大數(shù)量，然而，這并不能完全解決選項(xiàng)過(guò)多的問(wèn)題。

3 實(shí)驗(yàn)與系統(tǒng)開(kāi)發(fā)

3.1 語(yǔ)法輸出

在第一組實(shí)驗(yàn)中，翻譯單詞的表面形式并從中生成額外的輸出因子（見(jiàn)圖4），通過(guò)添加形態(tài)學(xué)和淺層句法信息，使用高階序列模型使得句法連貫，結(jié)果如表1[3-6]所示。

（1） 英語(yǔ)——德語(yǔ)系統(tǒng)在完整的751 088句Europarl語(yǔ)料庫(kù)上進(jìn)行了訓(xùn)練，在輸出端添加詞性和形態(tài)因子并進(jìn)行微小改進(jìn)，因子模型將長(zhǎng)度≥3的名詞短語(yǔ)中的不一致誤差從15%減少到4%。

（2） 英語(yǔ)——西班牙語(yǔ)系統(tǒng)在Europarl語(yǔ)料庫(kù)的40 000個(gè)句子子集上進(jìn)行了訓(xùn)練，使用序列模型在輸出端使用形態(tài)學(xué)和詞性因子，導(dǎo)致僅變形和變形+POS的絕對(duì)改善。

（3） 英語(yǔ)——捷克系統(tǒng)接受了華爾街日?qǐng)?bào)20 000句的訓(xùn)練，表明添加所有特征會(huì)導(dǎo)致較低的表現(xiàn)（27.04%），所有模型的得分遠(yuǎn)高于BLEU 25.82%的基線。

3.2 形態(tài)分析與生成

本文使用52 185句新聞評(píng)論語(yǔ)料庫(kù)對(duì)語(yǔ)言對(duì)德語(yǔ)—英語(yǔ)進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明使用詞性語(yǔ)言模型時(shí)的改進(jìn)——BLEU評(píng)分從18.19%增加到19.05%。從表面單詞翻譯映射轉(zhuǎn)向引理/形態(tài)映射會(huì)導(dǎo)致性能下降至BLEU得分為14.46%[10、11]，如表2所示。

替代路徑模型優(yōu)于+POS LM的表面形式模型，BLEU得分為19.47%，該測(cè)試集具有3 276個(gè)未知單詞形式與2 589個(gè)未知單詞形式。因此，引理/變形模型能夠翻譯687個(gè)附加單詞。

3.3 使用自動(dòng)Word類

最后，通過(guò)將詞語(yǔ)通過(guò)其上下文相似性聚集在一起，能夠找到可能導(dǎo)致更通用的模型統(tǒng)計(jì)相似性。在IWSLT 2006任務(wù)上訓(xùn)練了模型，在輸出側(cè)添加詞類作為附加因子（如圖4所示）。

通過(guò)分解翻譯模型，可以通過(guò)添加生成步驟將此步驟集成到模型中。綜合評(píng)估模型的表現(xiàn)優(yōu)于標(biāo)準(zhǔn)方法，BLEU評(píng)分為21.08%至20.65%，如表3所示。

3.4 系統(tǒng)的開(kāi)發(fā)

3.4.1 系統(tǒng)架構(gòu)

此研究英語(yǔ)翻譯計(jì)算機(jī)智能校對(duì)系統(tǒng)架構(gòu)設(shè)計(jì)圖5中的5大模塊共同組成了該校對(duì)系統(tǒng)主要結(jié)構(gòu)部分，如圖5所示。

圖5中的5大模塊在進(jìn)行英語(yǔ)翻譯校對(duì)過(guò)程中形成的工作行為數(shù)據(jù)，通過(guò)工作日記模板記錄下來(lái)的，然后這些記錄就是為后臺(tái)工程師查看系統(tǒng)工作狀況提供了真實(shí)的依據(jù)，從而為他們研究本系統(tǒng)工作過(guò)程存在的問(wèn)題，制訂有針對(duì)性，且有效的處理措施提供了便利，最后達(dá)到優(yōu)化校對(duì)系統(tǒng)的目的。

用戶模塊主要為用戶提供登陸、搜索、查詢等服務(wù)的模塊;翻譯校對(duì)模塊顧名思義就是對(duì)英語(yǔ)翻譯模塊翻譯的結(jié)果進(jìn)行校對(duì);搜索模塊主要對(duì)語(yǔ)句中詞匯特點(diǎn)進(jìn)行分析與選擇;工作模塊的功能就是立足于英語(yǔ)翻譯智能校的基礎(chǔ)之上，對(duì)英語(yǔ)翻譯智能校對(duì)進(jìn)行及時(shí)完成。工作模塊接收到校對(duì)命令之后，它就會(huì)接收到來(lái)自翻譯模塊的搜索鏈接，英語(yǔ)翻譯模塊依據(jù)分析等待校對(duì)語(yǔ)句的各個(gè)詞匯特點(diǎn)，依據(jù)它的相似度把翻譯結(jié)果進(jìn)行排序，最后從中選出最符合實(shí)際的翻譯結(jié)果。那么用戶就能夠在用戶模塊就能查尋到相應(yīng)譯文結(jié)果[11]。

3.4.2 硬件設(shè)計(jì)

（1） 關(guān)于搜索模塊設(shè)計(jì)。 搜索模塊在接收到用戶登陸系統(tǒng)提供的信息時(shí)，立即對(duì)有相關(guān)詞匯進(jìn)行處理與特點(diǎn)搜索等方面工作。此模塊為了完成此操作，通過(guò)建立映射線程方式，獲取等待校對(duì)詞匯實(shí)際意義，以及搜索學(xué)科內(nèi)容，從而為即將校對(duì)的詞匯的特點(diǎn)提取奠定基礎(chǔ)。此映射線程是屬于一對(duì)多模式的線程，等待校對(duì)詞匯的學(xué)科內(nèi)容包括線程上的全部映射點(diǎn)，與學(xué)科內(nèi)容非常接近的學(xué)科也將含括了少數(shù)映射特點(diǎn)。這種能夠保障在可能接近答案的出現(xiàn)在搜索范圍之內(nèi)，戶由于其表達(dá)過(guò)錯(cuò)而導(dǎo)致搜尋結(jié)果的錯(cuò)誤率大大減少。

（2） 行為日志設(shè)計(jì)。行為日志主要是對(duì)用戶在使用該校對(duì)系統(tǒng)時(shí)，所發(fā)生的各種行為，以數(shù)據(jù)展現(xiàn)出來(lái)的記錄。倘若用戶第二次使用此系統(tǒng)時(shí)，行為日志就會(huì)對(duì)用戶使用的足跡出現(xiàn)了記錄。倘若用戶對(duì)同一類英語(yǔ)翻譯產(chǎn)生了多次校對(duì)，系統(tǒng)就能夠智能地增添詞匯翻譯范圍。就能夠搜索到更多用戶可能所需要的結(jié)果，以此來(lái)提升系統(tǒng)的校對(duì)性能，從而使得該智能校對(duì)系統(tǒng)的精準(zhǔn)性得到提升。

3.4.3 軟件設(shè)計(jì)

英語(yǔ)翻譯與英語(yǔ)翻譯校對(duì)兩者共同之處，就是通過(guò)一種方式的文本向另一種方式文本轉(zhuǎn)換。所以，英語(yǔ)翻譯計(jì)算機(jī)智能校對(duì)過(guò)程，從本質(zhì)上而言，就是對(duì)沒(méi)有翻譯的語(yǔ)句進(jìn)行翻譯的過(guò)程。把校對(duì)的結(jié)果與剛開(kāi)始翻譯的結(jié)果進(jìn)行對(duì)比與更換，從而實(shí)現(xiàn)英語(yǔ)的翻譯的智能校對(duì)。

此文中英語(yǔ)翻譯錯(cuò)誤的結(jié)果用H來(lái)進(jìn)行表示，而正確的英文翻譯結(jié)果是由來(lái)表示，由H向轉(zhuǎn)變就是英語(yǔ)翻譯的整個(gè)過(guò)程。優(yōu)化短語(yǔ)翻譯模型的英語(yǔ)機(jī)器翻譯措施如式（5）。=arg max M（D|H）=arg max M（M|D）×M（D）

（5） ?英語(yǔ)機(jī)器翻譯的措施所取得的結(jié)果中的詞匯翻譯精確度還是有所欠缺，而采用智能英語(yǔ)翻譯措施就對(duì)其詞匯翻譯精準(zhǔn)度比較重視。也就是（5）式中的M（D）精準(zhǔn)度。因此對(duì)（5）進(jìn)行優(yōu)化的基礎(chǔ)實(shí)現(xiàn)計(jì)算機(jī)智能校對(duì);此外還有從優(yōu)化短語(yǔ)翻譯模型的計(jì)算機(jī)智能化校對(duì)措施所對(duì)應(yīng)的偽代碼來(lái)實(shí)施代碼校對(duì)[12]。由于篇幅關(guān)系，其實(shí)施的詳細(xì)方法，筆者在此就不再展開(kāi)論述。在英語(yǔ)翻譯智能化校對(duì)過(guò)程中，最重要的就探尋適合劃分等待校對(duì)詞匯的H措施，對(duì)劃分結(jié)果進(jìn)行一個(gè)一個(gè)校對(duì)，從而獲得排列成D順序的校對(duì)結(jié)果。

4 總結(jié)

總之，本文采取短語(yǔ)模型的統(tǒng)計(jì)建模方法設(shè)計(jì)了一款新型智能化英語(yǔ)翻譯校對(duì)系統(tǒng)。文章首先從翻譯分解、樣本訓(xùn)練、組件組合、高效解碼等方面方分析英語(yǔ)翻譯應(yīng)用視角下的計(jì)算機(jī)智能校對(duì)模型;接著對(duì)其進(jìn)行語(yǔ)法豐富輸出實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表在自動(dòng)分?jǐn)?shù)（BLEU高達(dá)2%的增益）方面，以及語(yǔ)法一致性的衡量標(biāo)準(zhǔn)，CIP模型都有所增加。因而說(shuō)明在分解翻譯模型的框架內(nèi)，可以成功地利用附加信息來(lái)克服當(dāng)前主導(dǎo)的基于短語(yǔ)的統(tǒng)計(jì)方法的一些缺點(diǎn);最后從系統(tǒng)架構(gòu)、系統(tǒng)硬件、以及軟件等方面簡(jiǎn)要了分析系統(tǒng)設(shè)計(jì)過(guò)程。

參考文獻(xiàn)

[1] 馬云彤. 基于Android和iOS移動(dòng)終端的作者遠(yuǎn)程校對(duì)方法[J]. 中國(guó)科技期刊研究， 2015， 26（2）：180-184.

[2] 程顯毅， 孫萍， 朱倩. 基于HNC的中文文本校對(duì)系統(tǒng)模型的研究[J]. 微電子學(xué)與計(jì)算機(jī)， 2009， 26（10）：49-52.

[3] 李春蘭. 英語(yǔ)口語(yǔ)自動(dòng)發(fā)音校對(duì)系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)， 2017， 40（24）：59-61

[4] 基于統(tǒng)計(jì)翻譯框架的蒙古文自動(dòng)拼寫(xiě)校對(duì)方法[J]. 中文信息學(xué)報(bào)， 2013， 27（6）：175-180.

[5] Haehn D， Knowles-Barley S， Roberts M， et al. Design and Evaluation of Interactive Proofreading Tools for Connectomics[J]. Visualization & Computer Graphics IEEE Transactions on， 2014， 20（12）：2466-2475.

[6] Aiawami A K， Beyer J， Haehn D， et al. NeuroBlocks-Visual Tracking of Segmentation and Proofreading for Large Connectomics Projects[J]. IEEE Transactions on Visualization & Computer Graphics， 2015， 22（1）：738-746.

[7] Chan A H， Tsang S N， Ng A W. Effects of Line Length， Line Spacing， and Line Number on Proofreading Performance and Scrolling of Chinese Text[J]. Journal of the Human Factors & Ergonomics Society， 2014， 56（3）：521-534.

[8] 王文輝，吳敏華，駱力明，等.基于相似度算法英語(yǔ)智能問(wèn)答系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件，2017，34（6）：62-68.

[9] 斯·勞格勞.蒙古語(yǔ)固定短語(yǔ)識(shí)別算法的設(shè)計(jì)與實(shí)現(xiàn)[J]. 中文信息學(xué)報(bào)，2017，31（5）：1316-1320.

[10] 李業(yè)剛，梁麗君，孫福振，等.融入雙語(yǔ)最大名詞短語(yǔ)的機(jī)器翻譯模型[J].計(jì)算機(jī)應(yīng)用研究，2017，34（5）：1316-1320.

羅滔.試論英漢語(yǔ)言差異對(duì)英語(yǔ)筆譯的影響及翻譯策略[J].鄂州大學(xué)學(xué)報(bào)，2004（20）：64-65.

[11] 朱麗云，徐靜嫻.中華文化負(fù)載詞翻譯研究——基于2013—2018年全國(guó)大學(xué)英語(yǔ)四級(jí)段落翻譯題的分析[J].英語(yǔ)教師，2019（）：67-69.

[12] 王茹.英漢翻譯中的插入語(yǔ)翻譯策略——以《自尊心理學(xué)》的漢譯為例[D].北京：北京外國(guó)語(yǔ)大學(xué)，2018.

（收稿日期： 2019.06.24）

作者簡(jiǎn)介：孫瑞（1983-），女，榆林人，碩士，講師，研究方向：機(jī)器翻譯等。文章編號(hào)：1007-757X（2020）02-0145-04