基于神经网络算法的质量评估方法用于大学英语翻译

科学领域:

• 计算语言学 计算语言学
• 自然语言处理自然语言处理.
• 教育中的人工智能

背景情况:

• 在学术界,人类对翻译质量的评价是主观和不一致的.
• 可靠的翻译质量评估对于跨文化学术知识交流至关重要.
• 现有的自动化方法在捕捉微妙的翻译质量方面存在局限性.

研究的目的:

• 引入和评估基于神经网络的模型来评估大学水平的英语翻译质量.
• 将神经网络模型的性能与人类评估器和传统的自动化方法进行比较.
• 探索人工智能在提高翻译质量评估的客观性和效率方面的潜力.

主要方法:

• 在大学水平的英语翻译学术论文上训练的神经网络模型的开发.
• 使用人类评估者和部分自动化模型作为基准进行比较分析.
• 评估神经网络模型的性能,使用准确度,精度,F-测量和回忆等指标.

主要成果:

• 在神经网络模型的评估和人类的评估之间发现了强烈的正相关性 (0.84).
• 基于神经网络的模型在关键性能指标上表现优于传统的手动评估和部分自动化模型.
• 该模型在翻译质量评估中表现出卓越的准确性,精度,F测量和回忆.

结论:

• 神经网络算法可以为学术界的翻译质量评估提供更加一致和透明的方法.
• 开发的模型显示了彻底改变学术翻译质量评估的巨大潜力,提高了内容的可访问性.
• 需要进一步的研究来解决特定领域的适应,并最大限度地提高该模型在更广泛的学术应用中的有效性.