基于用户行为模型的计算机辅助翻译方法

与全自动机器翻译相比,计算机辅助翻译技术更具实用性,已成为机器翻译领域的一个研究热点。传统的辅助翻译过程中,用户只能被动接受系统提供的辅助译文,并进行翻译后编辑操作。该文提出一种基于用户行为模型的辅助翻译方法,通过实时记录用户的后编辑过程,分析出用户的翻译决策,建立用户行为模型,使得翻译系统能够动态获取和共享用户的翻译知识,从而提高辅助译文的质量。实验结果表明,在同一篇文档前30%文本的后编辑过程中建立的用户行为模型,使余下70%文本的辅助译文的BLEU值平均提高了4.9%,用户模型中翻译知识的准确率达到94.1%。