黃泯堯 陸珩

摘要：國內(nèi)外關(guān)于英語語義分析系統(tǒng)的應(yīng)用中多以語句成分分析模式為主，而在語法分析方面的智能化程度較低?；诖吮疚难芯苛擞⒄Z翻譯模型及應(yīng)用，以翻譯理論為基礎(chǔ)，結(jié)合k-means優(yōu)化算法，針對不同特征的長難句進行優(yōu)化分析，可根據(jù)歷史翻譯過程中的數(shù)據(jù)記錄進行深度學(xué)習(xí)，提升對整體文章的翻譯準(zhǔn)確率。研究結(jié)果表明，本基于翻譯理論和k-means優(yōu)化算法的英語翻譯模型能夠有效地提升對整篇文章以及長難句的翻譯質(zhì)量。

關(guān)鍵詞：k-means優(yōu)化算法;翻譯理論;英語翻譯模型

一、引言

目前我國當(dāng)下的英語翻譯以傳統(tǒng)的翻譯模式為主，以針對不同領(lǐng)域的特有翻譯模式為輔。從第三次教育改革以來，由于我國的信息技術(shù)的高速發(fā)展也引發(fā)了我國在英語翻譯方式的變革，英語翻譯模式智能化、翻譯效果高效化等多種方式的出現(xiàn)，這也為英語翻譯模式的創(chuàng)新提供了機遇，因此智能化和高效化已經(jīng)成為我國當(dāng)下中國英語翻譯體系的重要特征。目前現(xiàn)有的英翻譯體系雖然提供了多種的方法，但是在實際應(yīng)用的過程中，很難根據(jù)其不同場景的英語差異性來選擇具有針對性的翻譯策略，也無法達(dá)到最優(yōu)的英語翻譯效果。在此背景下，本文研究了基于翻譯理論和k-means優(yōu)化算法的英語翻譯模型及應(yīng)用。

二、理論及模型基礎(chǔ)

（一）基于翻譯理論和k-means算法的英語翻譯模型建立過程

本研究所構(gòu)建的英語翻譯模型是在借鑒國外三大翻譯理論的基礎(chǔ)上而實現(xiàn)的。從翻譯標(biāo)準(zhǔn)、翻譯過程、翻譯分類、翻譯方法等方面全方位的對英語翻譯過程進行優(yōu)化，以此提升翻譯的準(zhǔn)確率。本英語翻譯模型是在已有的以單詞語義和英語語句分析方式的基礎(chǔ)上，對所翻譯成的中文語句進行語法方面的二次校正。在語法方面，由于本英語翻譯模型中需要對待翻譯的英語語句進行中文方面的語法校正，因此本研究采用的優(yōu)化方式是k-means算法，k-means算法中有k個預(yù)設(shè)數(shù)值參數(shù)，它會依據(jù)不同的參數(shù)設(shè)置把目標(biāo)英語文本信息數(shù)據(jù)分為k個簇，通過對不同的參數(shù)的對比分析和對相關(guān)英語文本信息轉(zhuǎn)換為空間向量的距離和角度間的對比分析，保證對每一句的英語翻譯過程中都有很高的準(zhǔn)確度和中英文語法相似度。

三、結(jié)果分析及討論

為了測試本英語翻譯模型的翻譯效果，本研究選用對照組和實驗組，通過對不同的英語語句進行翻譯，來分析本系統(tǒng)的翻譯準(zhǔn)確率。為了防止出現(xiàn)特殊性結(jié)果，即防止本系統(tǒng)在翻譯語句的過程中不具備常見的翻譯系統(tǒng)的一般性，因此本研究以兩篇內(nèi)容相似但英語表達(dá)方式不相同的英語文章為對照組和實驗組的實驗對象之一，并且以多篇英語文章為基礎(chǔ)進行反復(fù)實驗。在實驗過程中，采用層級聚類的分析方法，其中聚類默認(rèn)的篩選方式為按照單詞詞性和詞義兩種并列的聚類方式，聚合成為一棵聚類樹。通過觀察該聚類樹我們就可以得知該英語語句在翻譯過程中的相關(guān)數(shù)據(jù)信息，而且比較直觀。通過本次實驗組和對照組的實驗結(jié)果得知：兩篇內(nèi)容完全不同的英語語句之間的相似度較低（0.237 118 503 673 78和0.185 551 891 251 98），在我們的應(yīng)用翻譯模型的100次語法聚類循環(huán)迭代翻譯中，我們發(fā)現(xiàn)，直到第84次才將此兩類英語語句內(nèi)容不同的文章分為一類。而在最后一次聚類循環(huán)的過程中，兩篇英語文章的語句成分的差異性能夠被明顯地檢測出來，并且此時的相似程度系數(shù)為0.078 361 731 961 39和0.056 143 893 561 71。

結(jié)果表明，本翻譯模型對英語詞匯相近、但語法相似程度較低的英語文章的翻譯準(zhǔn)確率還是有很大提升的。在目前的高校教材和相關(guān)文獻資料中，當(dāng)老師和學(xué)生需要進行英語語句翻譯時，本英語翻譯系統(tǒng)中能夠大大降低由于中英文語法不同而導(dǎo)致的翻譯錯誤，并且可以作為長難句翻譯過程的二次保障，有效地提升英語翻譯的質(zhì)量和準(zhǔn)確率。

四、結(jié)語

針對當(dāng)下英語翻譯系統(tǒng)中存在的翻譯準(zhǔn)確率低、效率慢、語法錯誤多等問題，研究了英語翻譯模型的優(yōu)化及應(yīng)用。本文以翻譯理論為基礎(chǔ)，結(jié)合k-means優(yōu)化算法，針對不同特征的長難句進行優(yōu)化分析，可根據(jù)歷史翻譯過程中的數(shù)據(jù)記錄進行深度學(xué)習(xí)，提升對整體文章的翻譯準(zhǔn)確率。研究結(jié)果表明，本基于翻譯理論和k-means優(yōu)化算法的英語翻譯模型能夠有效地提升對整篇文章以及長難句的翻譯質(zhì)量和準(zhǔn)確率。

參考文獻：

[1].Sara Rubinelli， Per Maximilian von Groote. Stakeholder Dialogue as Deliberation for Decision Making in Health Policy and Systems： The Approach from Argumentation Theory[J]. American Journal of Physical Medicine & Rehabilitation， 2019， 96（2）：S17-S22.

[2].Tsuyoshi Yamaguchi. Viscoelastic relaxations of high alcohols and alkanes： Effects of heterogeneous structure and translation-orientation coupling[J]. Journal of Chemical Physics， 2019， 146（9）.

[3].Huang Xiu-Lin， Xu Yan， Liu Cheng-Zhi. Gauge method for a special spinor field transformation[J]. Canadian Journal of Physics， 2018， 96.