机器翻译系统发展与研究
机器翻译技术的应用与发展趋势
机器翻译技术的应用与发展趋势随着科技迅速发展，机器翻译技术的广泛应用成为了现实。
机器翻译技术通过将一种语言自动转换成另一种语言的方式，可以使得人们在跨文化沟通时更加便捷。
但是在实际应用中，机器翻译技术还存在着许多问题，这也就给机器翻译技术的发展带来了巨大的挑战。
一、机器翻译技术的应用机器翻译技术的应用涉及到很多领域，比如文学、商业、医疗和军事等。
尤其是在商业领域，机器翻译技术已经成为了企业国际化的一种重要手段。
对于很多企业来说，拓展海外市场是非常重要的，但是语言交流却是一个非常困难的问题。
在这种情况下，机器翻译技术可以帮助企业打破语言壁垒，建立起跨文化的合作关系。
除此之外，机器翻译技术也可以帮助人们更好的了解国外文化，促进跨文化交流。
比如当我们阅读一些国外的文章或者资讯时，很多时候是需要通过机器翻译的方式来去理解的。
虽然机器翻译技术可能存在着一些翻译不准确的问题，但是总的来说，机器翻译技术还是能够有效地推动跨文化交流的。
二、机器翻译技术的发展趋势随着人们对机器翻译技术的需求越来越高，机器翻译技术也在不断地发展和进步。
未来的机器翻译技术发展趋势主要体现在以下几个方面：1、大数据的应用：机器翻译技术的发展必须要依托于大数据的支撑。
未来的机器翻译技术会更加注重数据的规模和质量。
大数据的应用可以帮助机器翻译系统更好地学习语言，从而提高翻译的准确性。
2、深度学习技术的应用：深度学习技术是机器翻译技术的核心。
未来的机器翻译技术将更加注重深度学习技术的应用，通过不断地学习和训练，提高机器翻译系统的翻译能力。
3、人工智能技术的应用：人工智能技术可以帮助机器翻译系统更好地理解和翻译语言。
未来的机器翻译技术将更加注重人工智能技术的应用，通过智能化的算法和模型，提高翻译的准确性和速度。
4、语言多样性的应用：语言多样性是机器翻译技术发展的重要方向。
未来机器翻译技术将更加注重不同语言间的相互转换，通过多样化的翻译模型体系，提高翻译能力的普适性。
机器翻译的发展历程
机器翻译的发展历程机器翻译（Machine Translation，简称MT）是指利用计算机和相关的技术，将一种语言的文本自动转化为另一种语言的文本的过程。
它的发展历程可以概括为以下几个阶段：1. 早期阶段机器翻译的起源可以追溯到20世纪50年代。
当时，计算机还处于早期阶段，科学家们开始尝试利用计算机来进行翻译。
早期的机器翻译系统基于规则和字典，通过对源语言和目标语言之间的语法和词汇知识进行编码，来实现自动翻译。
尽管这些系统存在很多限制，但为机器翻译的发展奠定了基础。
2. 统计机器翻译阶段20世纪90年代，随着计算能力的提升和大规模语料库的建立，统计机器翻译（Statistical Machine Translation，简称SMT）成为主流。
SMT基于大量的双语平行语料，通过统计模型研究源语言和目标语言之间的概率分布，从而实现翻译。
SMT取得了很大的突破，并在实际应用中取得了一定的成功。
3. 神经机器翻译阶段在近年来，随着深度研究的兴起，神经机器翻译（Neural Machine Translation，简称NMT）成为机器翻译的新热点。
NMT使用神经网络模型，通过端到端的研究方法进行翻译。
与传统的SMT相比，NMT能够更好地处理句子的结构和语义，翻译质量有了显著提升。
4. 强化研究和迁移研究近年来，强化研究和迁移研究等技术被应用于机器翻译中，进一步提升了翻译质量和效果。
强化研究可以通过与环境的交互研究，提高翻译系统的自主决策能力。
迁移研究则可以将已经研究到的知识和模型迁移到新的任务中，从而提高机器翻译的效率和准确性。
5. 基于预训练模型的机器翻译最近，基于预训练模型的机器翻译方法逐渐受到重视。
这些方法利用大规模的无标注语料进行预训练，然后通过微调的方式进一步优化翻译质量。
这种方法在一些任务和语言对上已经取得了很好的效果。
总的来说，机器翻译经历了从规则和字典到统计模型，再到神经网络模型的发展过程。
机器翻译技术的发展历程
机器翻译技术的发展历程随着全球化和人们对跨国交流的需求增加，翻译行业成为了不可替代的一部分。
然而，传统的人工翻译方式在效率和成本方面都存在问题。
因此，机器翻译技术的发展成为了必不可少的一项工作。
那么，机器翻译技术的发展历程是怎样的呢？第一阶段：早期机器翻译技术20世纪50年代，人们开始尝试用计算机技术进行翻译。
这些早期的机器翻译系统主要基于词汇和语法规则的匹配，采用的是基于结构的翻译方法。
这种方法是基于语言结构，将输入的原文分解为词汇、短语和句子，再通过规则和词典来进行翻译。
然而，这种方法的局限性非常大，只能进行简单的翻译，并且容易失真。
因此，它很快就被放弃了。
第二阶段：统计机器翻译技术80年代，随着计算机技术和语言学的发展，机器翻译技术迎来了第二个发展阶段。
这一阶段的核心思想是基于统计的方法，即通过大量的平行语料库来训练和提高机器翻译的效果。
这种方法是基于数据的，根据语言间的概率关系来进行翻译。
因此，统计机器翻译技术可以处理更加复杂的语言结构和语义关系，并且在一定程度上能够实现准确的翻译。
第三阶段：深度学习翻译技术近年来，随着深度学习技术的发展，机器翻译技术又迈入了一个新的阶段。
深度学习是一种基于神经网络的机器学习技术，其核心思想是通过大量数据的训练，来提高机器的预测和判断能力。
因此，深度学习翻译技术可以更加准确地理解和翻译语言。
现在的机器翻译技术采用的是深度学习算法中的神经网络模型，它可以处理更加复杂的语言语义和上下文信息，并且拥有更高的翻译准确率。
另外，深度学习技术也可以对输入和输出的数据进行预处理，从而达到更好的翻译效果。
未来展望随着机器翻译技术的不断发展，人工对机器翻译的干预将会越来越少，机器翻译可以做到更加准确和快速。
另外，随着语音识别和自然语言处理技术的不断发展，机器翻译也将更加普及，成为日常生活和商业领域中不可缺少的一环。
总之，机器翻译技术的发展已经经历了从基于规则到基于统计再到基于深度学习的三个阶段。
机器翻译技术的应用和发展趋势
机器翻译技术的应用和发展趋势随着全球化的深入发展，语言成为了连接不同国家和地区之间最关键的桥梁之一。
在全球交流日益频繁的今天，翻译行业也迅速崛起。
传统翻译工作主要依靠人力，但随着信息技术的革新，机器翻译技术的应用越来越广泛。
本文就机器翻译技术的应用和发展趋势进行探讨。
一、机器翻译技术的发展历程早在20世纪50年代初，机器翻译就已开始被研究。
当时主要采用的是基于规则的方法，即先建立一个翻译规则集合，在遇到不同语言的句子时，计算机依据一定的算法予以翻译。
然而，这种方法虽然精确，但由于语言具有复杂性和多义性等特征，规则集往往需要涵盖无数的语法和语义点，因此需要耗费大量的时间和精力以及大量的金钱成本进行开发。
随着人工智能、自然语言处理、大数据等技术发展的不断深入，机器翻译的技术逐渐得到了进一步的完善，其中比较有代表性的技术是基于统计学习的方法，即从海量的双语对照语料库中自动学习翻译模型。
这种方法显著降低了翻译开发成本，提升了翻译品质和速度，也促进了机器翻译在各个应用场景中的普及。
二、机器翻译技术的应用（一）商务翻译机器翻译技术的应用在商务翻译领域得到了广泛应用。
在商务交流中，往往需要快速准确地进行翻译，同时涵盖的领域之广与深度也越来越大，传统的人工翻译在时间和质量上存在一定的局限性。
因此，机器翻译技术极大地提升了商务交流的效率和精准度。
（二）旅游翻译随着国际旅游业兴起，机器翻译技术在旅游场景中的应用也越来越普遍。
在旅游过程中，往往需要快速准确地翻译语言和文字，制定旅游计划，解答游客提出的问题等，机器翻译技术在这方面具有明显的优势。
（三）科技翻译科技翻译是指将科技领域的专业术语和概念进行翻译，这种翻译具有高级别的语言和专业性，传统的人工翻译极易出现错误或不准确的情况。
机器翻译技术能够快速准确地翻译专业术语和概念，大大提高了科技翻译的效率和质量。
三、机器翻译技术的发展趋势（一）神经机器翻译神经机器翻译（NMT）技术是近年来发展最迅速的一种机器翻译技术，它能够自动学习句子结构和翻译模型，并且在翻译过程中能够处理长句子和多义词。
机器翻译技术的现状与趋势
机器翻译技术的现状与趋势现代科学技术的发展有很多的亮点和看点，其中机器翻译技术就是其中的一大看点。
这种技术的出现，不仅可以方便翻译工作者的工作，还可以让人类在语言交流方面的障碍变得更加低。
今天，我们就来谈一谈这种技术的现状及其未来的发展趋势。
一、机器翻译技术现状机器翻译技术是指将一种语言的文字、语音或者表情转换成另外一种语言的文字、语音或者表情的一种技术。
目前，机器翻译技术已经进展较快，不仅可以帮助用户快速的翻译一篇文章，还可以将大量的语言进行截断、分析、翻译等等，让翻译工作变得更加快捷和准确。
机器翻译的原理主要是通过识别和提取语料库中的单词和语言模板，根据当前翻译所用的语言建立语料库，然后将其转化为目标语言。
随着计算机技术的进步，机器翻译技术可以应用在很多不同领域上，例如教育、商业、娱乐等等。
目前，机器翻译技术已经被广泛应用到了商业、科技、外交等领域中，并且得到了不同程度的应用和认可。
例如，谷歌、百度等技术巨头都已经推出了自己的机器翻译工具，在应用中也取得了不俗的成绩。
二、机器翻译技术的发展趋势虽然机器翻译技术发展迅猛，但它还有一些缺陷。
例如，在翻译中会出现语言不新颖的问题，这会导致翻译的效果不尽如人意。
此外，虽然机器翻译技术能够完成翻译工作，但它却无法像人类一样感知背景，也无法理解上下文，因此它在语义理解、自然语言处理等方面还有很大的发展空间。
未来，机器翻译的发展趋势主要表现在以下几个方面：1.加入人工智能技术机器翻译需要更广泛、更准确的语境，这就需要更精细、更强大的人工智能技术。
未来，随着人工智能技术的不断发展，机器翻译技术也将更加完善和高效。
2.加强中文机器翻译技术的研究中文与西方语言的形式、语境、表达方式存在着诸多差异，对机器翻译技术的要求也不一样。
特别是在中文文化和语言上，机器翻译要面临更大的挑战。
因此，未来需要加强对中文机器翻译技术的研究。
3.加强大数据的应用提高机器翻译技术的质量，需要一个完整、规范、多样化的语料库。
AI翻译器的发展与应用
AI翻译器的发展与应用随着全球化进程逐渐深入，人们的沟通需要越来越多地跨越语言障碍。
AI翻译器作为机器翻译的一种形式，在这个背景下越来越受到人们的关注。
本文将探讨AI翻译器的发展历程以及其目前的应用。
一、AI翻译器的发展历程人类翻译历史可以追溯到数千年前的古代文明时期。
而机器翻译的发展则是在20世纪40年代初期开始。
最初的机器翻译系统被程序员们用来翻译句子。
但是由于语言的复杂性，机器翻译系统一度被认为是没有前途的。
*为了改变机器翻译不可避免的缺陷，1990年代初期，研究人员开始转向使用更加灵活的技术：神经网络和机器学习。
*神经网络由于其对大规模文本数据的处理能力和泛化能力得到广泛的应用。
神经网络使得翻译语言的语义分析和上下文理解更加精准，并能够处理抽象语言问题。
神经机器翻译自2014年以来已成为业界的领先翻译技术，已经超越了基于规则的统计机器翻译。
二、生产环境下的应用机器翻译虽然在几十年前就出现了，但直到近年才在实际生产中得到广泛应用。
机器翻译可以被应用在许多领域，如文档翻译、在线语音翻译、在线客服和语言教育等方面。
这些领域的特点就是需要快速、准确地处理大量的语言数据，在线图像识别只是其中之一。
通过机器翻译，文档翻译已经变得更快、更精准：在短时间内转化成本可以下降超过50%。
在线语音翻译也可以实现实时互译。
语言教育技术的进步使得学生可以更快地掌握语言并更好地融入国际社会。
三、AI翻译器的未来虽然AI翻译器已经取得了很大的成功，但翻译仍然是一项推动人类文化交流和全球化发展的基础性学科，其发展确实仍面临许多挑战。
技术上来说，目前仍然存在语言与文化之间的差异，单纯的翻译系统可能会无法传达某种特定文化的特殊含义。
此外，一些语言表达的文化特征仍然难以被计算机所模拟。
由于跨语言识别和机器翻译数据的稀缺性，有效数据收集和开发将成为未来数年的主题。
总之，机器翻译是一个快速发展的领域，AI翻译器的发展趋势也非常明确。
机器翻译技术的发展趋势与未来展望
机器翻译技术的发展趋势与未来展望
一、机器翻译技术发展趋势
1. 机器翻译技术的自动化程度越来越高，能够快速高效地完成
翻译任务，大幅度提升翻译效率。
2. 在神经网络模型技术的支持下，机器翻译已经可以实现较高
的精度与准确性，同时，翻译结果也会更加自然，贴合原文的语法、用词等方面。
3. 多语种的支持将是未来机器翻译发展的重点，机器翻译技术
将逐渐实现多语种的翻译支持，从而实现更广泛的语言交流。
4. 机器翻译技术将逐渐向智能化方向发展，通过人工智能技术
和大数据的支持，翻译系统将具备更强的自学习和自适应性能力，更好地适应不同场景的需求。
5. 机器翻译技术将更加注重人机互动的交互体验，通过AI 语
音识别、自然语言处理等技术，实现人机对话、交互式翻译、个
性化翻译等功能，提供更加智能、便捷的翻译服务。
二、未来机器翻译发展的展望
1. 机器翻译将会更加普及化，逐步成为人们跨语种沟通的必备工具。
2. 机器翻译技术在业务领域的应用将逐渐普及，更广泛地支持企业、政府、文化等领域各种语种的交流与合作。
3. 随着人工智能技术和自然语言处理技术的不断发展和完善，机器翻译技术将实现更高水平的翻译效果。
4. 在互联网、移动设备等各种场景中，机器翻译技术将推动全球化交流的发展，为人们提供更加多样、丰富、便捷的文化交流方式。
5. 未来机器翻译技术将与人工智能、区块链、IoT 等技术相结合，实现更高效、安全、智能的语言交流，为人类文明进步作出更大的贡献。
总的来看，机器翻译技术已经迅速发展并取得了很大的进步，未来也将持续向着更加智能化、自适应化、个性化的方向发展，为跨语言交流和文化交流的推进做出更大的贡献。
人机交互式机器翻译方法研究与实现
人机交互式机器翻译方法研究与实现摘要：随着全球化的发展，跨语言交流变得越来越重要。
机器翻译技术作为一种自动化翻译工具，可以帮助人们进行跨语言沟通。
然而，传统的机器翻译系统存在着一些问题，如翻译质量不稳定、无法处理复杂句子结构等。
为了解决这些问题，人机交互式机器翻译逐渐得到了研究和应用。
本文旨在探讨人机交互式机器翻译方法的研究与实现。
首先，我们将介绍机器翻译的基本原理和主要挑战。
然后，我们将重点介绍人机交互式机器翻译的概念和工作原理。
接着，我们将详细介绍几种常见的人机交互式机器翻译方法，包括基于预处理的方法、基于反馈的方法和基于协同的方法。
我们将对这些方法进行比较和讨论，并分析它们的优缺点。
在实现人机交互式机器翻译系统时，我们需要考虑以下几个关键技术。
首先，机器学习算法是实现人机交互式机器翻译的基础，我们需要选择合适的算法来训练翻译模型。
其次，语言模型和词嵌入模型可以提供更准确的翻译结果。
此外，我们还需要设计适应性用户界面，以便用户可以方便地与系统进行交互。
人机交互式机器翻译的实现过程中，还需要进行一系列的实验评估。
我们可以使用标准的翻译质量评估指标，比如BLEU和TER等，来评估系统的翻译准确性。
同时，我们还可以利用用户调查和人工评估来评估系统的用户友好性和实用性。
最后，本文将介绍一些人机交互式机器翻译方法的应用案例。
例如，在旅游行业中，人机交互式机器翻译可以帮助游客与当地人进行交流。
在国际会议中，人机交互式机器翻译可以帮助不同语言背景的与会者进行实时翻译。
总结起来，人机交互式机器翻译方法为解决传统机器翻译系统的一些问题提供了一种有效的解决方案。
随着人工智能和自然语言处理技术的不断发展，人机交互式机器翻译有望在各个领域得到广泛应用。
关键词：人机交互式机器翻译，机器学习算法，语言模型，用户界面，实验评估，应用案例。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
：
Ｃ ｉａ Ｎ ｗ ｅ ｈ ｏｏ ｉｓａ ｄ Ｐ ｏ ｕ ｔ ｈ ｎ ｅ Ｔ ｃ ｎ ｌｇｅ ｎ ｒ ｄ ｃｓ
机 器翻译术
（ 安徽理工大学计算机科 学与工程学院， 安徽 淮南 ２ ２ ０ ） ３０ １
摘 要： 本文详 细地 论述 了机 器翻 译研 究 的发展 历程 和现状 。综述 了机 器翻 译 系统的 类型 和特 点。详 细地介 绍 了九十 年代 以来提 出 的一些 新的 方法 以及 国 内国 际研 究动 态 。 关 键词 ： 器翻译 ； 于规 则 ； 于语料 库 机 基 基
中图分 类号 ：０ ５ Ｈ ８ 文 献 标 识 码 ： Ｂ
２ 世纪 ７ 年 代 ，西欧和加拿 大开始 出现 ０ ０ 以追求可读性和 忠实性 为 目 的第二代机器 翻 标 译系统 。 这些系统 以基于转换的方法为代 表 ， 普 遍采用 以句法分析 为主 、 以语 义的基于规则 辅 的方法 ，采用有抽象 的转换表 示的分层次实现 策 略 ， 合 了多 种技术 ： 与算 法分离 ， 综 知识 模块 化设计 ， 多种句法分析策 略以及语 义分析等等 ， 机器 翻译概况 并且大多 引入 了人 工智能技术 ，其中许多方法 机器 翻译 （ ａｈ ｅｔ ｎｌｉ ）又称 为 自 和技术直到今天仍被沿 用。期 间 比较著名 的系 ｍ ｃｉ ａ ｓ ｔｎ ， ｎ ｒ ａｏ 动 翻译 ，是利用计算机把 一种 自然源语言转变 统有 ：Ｙ Ｔ Ａ Ｓ Ｓ Ｒ Ｎ多语 言 翻译 系统 、 ｉ ｅ Ｗｅ ｄｒ系 ｎ 为另 一种 自然 目 标语 言的过程 ，一般指 自然语 统 、 Ｕ Ｐ Ｔ Ａ 多国语翻译 系统 、Ａ Ｍ— — Ｅ ＲＯＲ Ｔ Ｕ ＭＥ 言 之间句子和全文 的翻译 。它是 自然语言处理 Ｔ Ｏ系统等 。 Ｅ （ ｔｒｌＬ ｎ ｕ ｇ ｒｃｓｉｇ Ｎａｕａ ａｇ ａ ｅＰｏ ｅｓ ）的一个分支 ， ｎ 与 ２ 世纪 ９ 年代 至今 ，随着 Ｉｔｎｔ ０ ０ ｎ ｒｅ 的普 ｅ 计 算语 言 学 （ｏ ｐｔｉ ａ Ｌｎｕ ｔ ｓ）自然 遍应用 ，世界经济一体化进程 的加速以及 国际 Ｃ ｍ ｕ ｔｎｌ ｉ ｉｉ 、 ａｏ ｇ ｓｃ 语 言 理解 （Ｎ ｔ ａ Ｌｎｕｇ ｎｅｓ ｎｉｇ 社会交流 的 日 ａ ｒｌ ａｇａｅＵ ｄｒａｄ ） ｕ ｔ ｎ 渐频 繁 ， 传统 的人 工作 业的方式 之 间存在着 密不 可分的关 系。 已经远远不能满足迅猛增 长的翻译需求 ，人们 整个机器 翻译 的过 程可 以分 为原文 分析 、 对于机器翻译 的需求空前增 长 ，机器 翻译迎来 原文 译文转换和译文生成 ３ 阶段。在具体 的 了一个新 的发展机 遇。国际陛的关于机器翻译 个 机器 翻译系统 中， 根据不 同方 案的 目的和要求 ， 研究的会议频繁 召开 ，中国也取 得了前所未有 可 以将原 文译文转换阶段 与原 文分析阶段结合 的成就 ， 相继推 出了一 系列机器 翻译 软件 ， 例如 在一起 ， 译文生成 阶段独立起来 ， 立相关 “ 星” 、 雅 信”、“ 而把 建 译 “ 通译 ”、“ 建” 。在市 华 等 分析独立生成 系统 。 在这样 的系统 中， 原语分析 场需求的推动下 ， 商用机器 翻译 系统迈人 了实 时要 考虑译语的特点 ，而在译语 生成 时则不考 用化阶段 ， 了市场 ， 走进 来到了用户面前。 虑原语 的特点 。在搞多种语言对 一种 语言的翻 三 、 国机器翻译发展 我 译 时 ， 于采 用这样 的相关分析独立 生成系统 。 宜 中国机器翻译研究 起步于 １５ 年， ９ ７ 是世界 也可 以把 原文分析 阶段独立起 来 ， 原文译 文 上第 ４ 把 个开始搞 机器翻译 的国家 ，０ ６ 年代 中期 转换 阶段 同译文生成 阶段结合起 来 ，建立独立 以后一度 中断 ， 年 代中期 以来 有了进 一步 的 ７ ０ 分析相关生成 系统 。 在这样 的系统 中， 原语分析 发展 。现在 ， 国社会科学 院语言研 究所 、 国 中 中 时不考虑 译语的牛｜ 寺 ，而在译语生成 时要考虑 科学技术 隋报研究所 、中国科学 院计 算技术研 原语 的特点 ，在搞一种语言对多 种语 言的翻译 究所 、 黑龙江大学 、 哈尔滨工业大学等单 位都在 时， 宜于采用这样的独立分析相关生成系统 。 还 进行机器翻译的研究 ；上机进行 过实 验的机器 可 以把原 文分析 、原文译文转换 与译文 生成分 翻译 系统 已有十多个 ，翻译 的语 种和类型有英 别独立开来 ， 建立独立分析独立生成系统。 在这 汉 、 、 、 、 等一对一 的系统 ＇ 俄汉 法汉 日汉 德汉 也有 样 的系统 中 ， 析原语时不考虑译语 的特 点 ， 分 生 汉译英 、 、 俄 、 的一 对多 系统 （Ａ Ｒ 法 日、 德 Ｆ Ｊ Ａ系 成译语 时也不考虑原语 的特点 ， 原语译 语的差 统 ） ｔ ， 。ａ ， ）ｌ还建立 了一个 汉语语料库 和一个科 异通过原 文译文转换来解决 。在搞多种语 言对 技英 语语料库。 中国机器 翻译 系统的规模正在 多种语言 的翻译 时 ，宜于采用这样 的独立分 析 不断地 扩大 ， 内容正在不断地完善 。 比较有代表 独立生成系统 。 性 的系统有 ：高立英汉 翻译 系统 ， ＴＥ Ｉ ／Ｃ英汉 Ｍ 二、 国外机器翻译发展 翻译 系统 ， ａ ｉ英汉机 器翻译 系统 ，ｉ Ｔａｓ Ｍ ｔｘ ｒ Ｓ ｏｒ ｎ ｎ １５ ９ ４年 ，由 Ｇｅｒｅ ｗ ｏｇｔ ｎ大学 和 Ｉ Ｍ公 司 汉外机 器翻译系统等等 。 ｏ Ｂ 合作 ， 了第一个 真正的机器翻译 系统 ， 且 实现 并 鉴于机器 翻译仍具相 当市 场 ，中国涉足这 在 ＩＭ纽约总部进行 了俄译英公开演示 。ｆ 领域 的厂商也不一 而足 。目 ， Ｂ 【 ］ 前 国内市场上的 用 ＩＭ ７ １ Ｂ 一 ０ 计算 机 ， 把几个简单 的俄语句子 翻 翻译 软件产品可 以划分为 四大类 ： 文翻译 （ 全 专 译成英语 。 尽管这个系统很小 ， 只有 ２０ ５ 条俄 语 业 翻译 ）在线翻译 、 、 汉化软件 和电子词典 。 全文 词汇 ，条语法规 则以及精 心挑选 的翻译例 句 ， 翻译软 件以中软 “ ６ 译星” 以及“ 信 Ｃ Ｔ ． 为代 雅 Ａ ２” ５ 但是第一次 向公众 和科 学界展示 了机器 翻译 的 表 ； 翻译软 件 主要 以“ 山快译 ． ｔ ０” 在线 金 ｎ ２ １、 ｅ０ 可行 ｌ。 生 华建 的 “ 网上通 ” 翻译 为代表 ； 化类 翻译软 件 汉 ２ 世纪 ５ 年代中期，在美国掀起了机器 主要 以“ 陕车 ３０ ” ０ ０ 东方 ００为代表 ； 词典工具 以“ 金 翻译研究 的高潮 。这一 时期的机器翻译 系统 主 山词 霸． ｔ ０ ” ｎ ２ １为主要代表 。 ｅ０ 要采用直 接翻译 （ｉ ｃ Ｔａｓ ｔｎ方法 ， Ｄｒ ｔ ｒｎｌｉ ） ｅ ａｏ 一般 由于机器翻译在今后需要满 足人 们在浩瀚 都没有进行很好 的源语 言据法结构分析 ， 是 的互联 网上方便地进行信息搜集 的需 求 ，于是 而 主要 以词典 为驱 动 ， 利用 词典中 的语法 和语 义 很 多 翻译 开 发者 在翻 译准 确度 上 下工 夫 的 同 特征来实现翻译 。直接 翻译 方法 的栈 是在 源 时 ， 开始 注重结合用户的使用领域并进 行方 向 语 言分析阶段和 目 标语 言综合 （ 即生成 ） 间没 性 的开发 。 之 根据 目 的市场发展看来 ， 前 在新一轮 有 明确的区分 ，这样 的系统被 称为第一代机器 的竞赛中， 在线翻译前景十分看好。目 ， 前 中国 翻译 系统 。 的网民已超 ４ ， 亿 并继续以极 ｌｉ度 增长。 央塞