在未来同声传译员能够获得实时帮助

发布者:上海翻译公司发布时间：2018-5-31

到目前为止，翻译一直是软件进步相对不变的专业，主要是因为它是一种细微的艺术形式，正如一位专业口译员所说的那样，“尽可能多的人际交往和语言交流”。尽管关于翻译生产力工具，机器翻译（MT）和测量MT质量这些话题已经谈论得很多，但是现在相对较少的研究已经在如何将相似的质量估计（QE）方法应用于口译领域中进行了。由美国马里兰大学的约瑟夫博伊德格拉伯和卡内基梅隆大学的格雷厄姆纽比格领导的一组美国研究人员刚刚发表了一篇题为“ 自动估计同声传译员表现”的论文。在这里，我们概述了论文的研究结果并检查了其含义。我们还包括对作者的问答和专业翻译专业翻译的评论。

建立一个实时的质量反馈环路
旨在协助口译员（CAI）的软件工具已经存在，并在口译任务期间提供术语提示。由于没有任何真正的方法可以计算出解释人员提供多少信息以及何时解释人员，所以这些结果好坏参半。太多或不相关的信息会分散注意力，并可能干扰认知过程，从而阻碍口译员的表现。为了解决这个问题，该团队希望开发一种实时评估解释器性能的方法，即可以确定解释器是否可以从那里获得软件帮助，然后才能从中受益。如果是的话，生产力软件工具会选择提供术语提示，但不会以其他方式提供。生成可靠的实时性能评估是为口译人员提供选择性软件帮助的关键，因此更有用，并可提高同声传译（SI）输出的质量。为此，首先需要开发基于SI输出样本的质量估算（QE）方法，然后将其应用于实时性能方案。

  开发质量评估方法
  简单地使用现有的机器翻译（MT）QE方法还不够好，因为有很多线索指示SI输出的质量与那些表示良好MT输出的质量不同。例如，当口译员挣扎时，他们可能会产生大量暂停的波涛汹涌的翻译，或者丢失大量他们无法正确解释的内容。仅仅使用现有的机器翻译（MT）QE方法还不够好尽管如此，现有的MT QE方法被认为是一个很好的起点，研究团队决定使用称为QuEst ++的MT QE模型作为基线。然后，他们通过添加许多功能来定制QuEst ++以用于SI输出，这些功能是解释器性能的特定指标。
  1）暂停/犹豫/不完整的词的比例 - 因为“解释者输出中犹豫或不完整的单词数量增加可能表明解释者正在努力产生准确的输出。”
  2）非特定词语的比例 - 因为“口译员经常通过替换或省略通用名词来压缩输出，以避免特定术语来防止冗余或减轻认知负荷。”
  3）“准”认知的比例 - 因为“解读语音中的音译词可以代表通过语言接近度来促进翻译，或者试图产生一个解释者不知道的词的近似值。”
  4）单词数量的比例 - “比较源和目标长度以及转录标点的数量”。

研究人员在使用英语 - 法语，英语 - 意大利语和英语 - 日语翻译输出的一系列实验中着手测试这些附加功能的有效性。他们发现他们的SI QE模型在所有语言中都有统计上的相关收益并且胜过METEOR。这对英日语特别有效。

上一篇:越来越多的企业找翻译公司翻译内容

下一篇:开源神经机器翻译竞赛