数字人文视域下机器翻译与人工翻译融合优化策略研究

罗 晓曦
宁波财经学院

摘要


数字人文技术的迭代与生成式AI的崛起，推动翻译实践从传统人工主导或机器辅助的单一模式，迈向人机协同的深度融合新阶段。本文立足数字人文的跨学科视角，结合“远读-中读-近读”多层级文本分析框架与人机耦合理念，系统探讨机器翻译与人工翻译的融合优化路径。研究表明，通过译前智能文本解析、译中动态协同创作、译后多维质量评估的全流程融合机制，可实现翻译效率与质量的双重提升。在技术支撑层面，预训练语言模型与神经机器翻译模型的混合架构能显著优化翻译性能，而人工译者的文化适配与艺术再创造能力则可弥补机器翻译在隐喻处理、情感传递等方面的短板。基于多语种数据集的实证分析显示，该融合策略使译文BLEU值平均提升5.53，同时在文化负载词处理准确率上提高42%，为数字时代翻译研究提供了新的方法论与实践范式。

关键词


数字人文；机器翻译；人工翻译；融合优化；人机协同；翻译质量评估

全文:

PDF


参考


[1]徐铫伟。数智赋能文学翻译的创新路径[J].文艺报，2025（1）：37.

[2]张乐，荆晓远，孙其航。基于混合模型的机器翻译优化方法[J].信息技术与信息化，2025（2）：46-47.

[3]胡开宝，黑黟。数字人文视域下翻译研究：特征、领域与意义[J].中国翻译，2020（2）：5-15.

[4]Zhan Y, et al. Beyond Human-Only: Evaluating Human-Machine Collaboration for Collecting High-Quality Translation Data[C]. Statistical and Neural Machine Translation, 2024.

[5]Kocmi P, et al. HiMATE: A Hierarchical Multi-Agent Framework for Machine Translation Evaluation[J].arXiv preprint arXiv: 2505.16281,2025.

[6]秦洪武，孔蕾.中国政治话语海外传播总体状况分析[J].山东外语教学，2019（4）：21-34.

[7]朱一凡，王金波，杨小虎.语料库与译者培养：探索与展望[J].外语教学，2016（4）：91-95.

[8]Papineni K, et al. BLEU: a Method for Automatic Evaluation of Machine Translation[C]. ACL, 2002.

[9]Rei R, et al.COMET-20: Uncertainty-Aware Machine Translation Evaluation[J]. Transactions of the Association for Computational Linguistics, 2020.

[10]徐铫伟.数字人文与生成式AI协同的翻译创新[J].中国外语，2024（3）：45-52.


Refbacks

  • 当前没有refback。