中國大學生英語翻譯計算機評分的研究與設計.pdf

1、在機器翻譯和作文自動評分領域已經有比較成熟的研究成果，但是在人工翻譯評分領域的研究還不夠深入。在同為主觀題的作文評分中，采用多元線性回歸方法建立文本特征和分數(shù)之間的方程。但是人工翻譯評分選取的文本特征之間關系更為復雜，如果使用作文評分中的方法去構建模型，并不能取得最好的效果。而神經網絡作為一種自適應學習模型，在處理復雜變量之間關系時會更有優(yōu)勢。在此背景下，本文嘗試構建漢譯英人工翻譯評分模型，并在此基礎上構建大學生翻譯評分系統(tǒng)。
　

2、　本文首先從語言基礎、語義、連貫性、測試點四大方向提取學生譯文語料中的翻譯文本特征，并對其中一些提取算法進行設計與改進。一些重要的改進包括:(1)將潛語義分析的方法與翻譯評分結合，并提出了一個基于相似譯文集的潛語義相似度提取算法。(2)通過引入連接詞權重，實現(xiàn)一種新的基于相似譯文集的帶權連接詞相似值提取算法，解決了單純連接詞個數(shù)與人工評分負相關的不合理現(xiàn)象。其次，本文比較了神經網絡和多元線性回歸，并最終選擇用BP神經網絡構建人工翻譯評分

3、模型。針對BP算法收斂慢，不利于全局尋優(yōu)的特點，進一步采用粒子群算法進行優(yōu)化。最后，在特征提取和模型構建的基礎上，進一步搭建大學生翻譯評分系統(tǒng)，能有效的給學生譯文打分，并能進行一定的反饋評價。
　　在特征提取方面，基于譯文集的連接詞算法使得該特征與人工評分正相關，引入連接詞權重之后進一步將相關度提高了1％;潛語義相似度提取算法效果比較顯著，單單考慮相似度區(qū)間為0.9-1的譯文集，就將相關度提高了24％。在模型構建上，本文分別使用多