機器翻譯的詞匯錯誤類型分析

畢黎明

摘 要：科技信息時代，機器翻譯無疑是人們提高翻譯工作效率的一大助力。經(jīng)過機器翻譯和人工譯后編輯的結合，才能使文章更加準確流暢。本文依據(jù)《全校行為管理策略》（A Whole-school Approach： Behaviour Management）一書中第三章節(jié)的機器翻譯和譯后編輯，通過案例探討和分析機器翻譯中的詞語翻譯的錯誤類型，總結機器翻譯的優(yōu)缺點。

關鍵詞：機器翻譯;譯后編輯;錯誤類型

一、引言

隨著科技的不斷發(fā)展，越來越多的人選擇翻譯機器作為翻譯輔助工具。然而無論翻譯機器多么完美，其翻譯出來的東西也需要后期的加工和潤色，隨之而來的就是人工“譯后編輯”。這是在龐大的翻譯工作量和提高效率的雙重作用下應運而生的一種人機交互模式，既能保證翻譯質量，又能提高工作效率。

筆者首先使用谷歌翻譯對《全校行為管理策略》中的第三章節(jié)進行翻譯，后在此基礎上進行譯后編輯。在此過程中，發(fā)現(xiàn)機器翻譯中常出現(xiàn)幾種錯誤類型，將會結合案例具體分析。

二、語料來源和研究方法

本次研究所用材料有自治區(qū)相關教育部門提供，在譯后編輯后由專門翻譯人員幫助修改校對。本文所選取的文本第三章內容，共英文12000字左右。筆者在進行譯后編輯時，將每句話的機器翻譯內容和譯后編輯內容做了一一對比標注。由于原材料屬于教育管理類文本，文中存在較多專業(yè)名詞和術語，所以出現(xiàn)錯誤最多的地方就是詞匯方面，因此將著重對詞匯的幾種主要錯誤翻譯類型做詳細的案例分析。筆者根據(jù)對比標注計算出了機器翻譯的詞匯翻譯大致正確率，如圖1所示。其中，詞語錯誤譯文表示一句話中只要有一個詞語錯譯，就算錯誤，一句話中多個詞語錯誤，也算作一次。錯譯率為出現(xiàn)錯譯的句子占總句子的比例，其中對多次出現(xiàn)同一個詞翻譯錯誤的只統(tǒng)計一次。

三、詞匯翻譯的錯誤類型

（一）術語錯譯

例1.How can we correct in the least intrusive way so that respect and dignity are kept intact？

MT：我們怎樣才能以最不具侵犯性的方式進行糾正，使尊重和尊嚴不受損害？

PE：我們怎樣才能以最小干擾的方式進行糾正，才能使學生的尊嚴不受傷害？

例2.Management of behaviourally disordered students

MT：管理行為混亂的學生

PE：行為失調學生的管理

術語是機器翻譯最容易出現(xiàn)錯誤的地方，因為文本除了要符合原文之外，還要兼顧作品其自身的特點。而原文本材料在教育學和管理學方面的詞匯較多，術語錯譯就成了詞語中錯誤率最高的一類。正如圖2所示，術語錯譯在整個詞匯錯誤翻譯中的比率高達47%。

（二）固定搭配的誤譯

例1.have a humorous quotation collection

MT：收集幽默的報價

PE：收集幽默語錄

例2.Good try. Hang in there

MT：很好的嘗試。掛在那里

PE：很好的嘗試。堅持下去

詞語搭配并不是簡單的將兩個詞語的單獨意思拼湊在一起，而是表達另外一種意思。上面就是典型的2個例子，機器翻譯只是按照單獨詞語的原意將其翻譯了出來并結合在一起。根據(jù)上下文來看，這樣簡單的拼湊并不符合文本的原意，所以在譯后編輯時，需聯(lián)系語境，確定詞語搭配的翻譯。

（三）一詞多義的選詞錯誤

例1.Before we begin， Remember our class rule.

MT：在開始之前，記住我們的階級規(guī)則

PE：在開始之前，記住我們的班級規(guī)則

英語中，幾乎每個詞都可以表達很多種不同的意思，這也造成了機器翻譯的一大困難。就像上面的例子所表達的，“class”有很多種意思，班級、階級、類別，上述例子中將其翻譯成了階級，這很顯然不符合文意。整個文章都是在講學校的行為管理問題，這里的class也明顯的不是指的階級，而是班級。

（四）詞語漏譯

例1.I recently team-taught in a Grade 5 class which was doing a self-esteem activity.

MT：最近，我參加了一次自學活動的五年級班級教學。

PE：最近，我在一個五年級的班級里進行小組教學，組織一個關于自尊的活動。

漏譯是指源語言中的一些句子成分沒有被翻譯成目標語言，這可能是由于電腦系統(tǒng)問題或疏忽造成的。但這個詞或這個句子有一個非常重要的作用，不能忽視。在例1中，“self-esteem activity”是整個句子的賓語，是句子中不可缺少的成分。機器翻譯漏譯了這一部分，改變了原文的意思，導致句子的意思不完整。

（五）詞性誤譯

例1.The exterior messages of encouragement from teacher to students are， ‘You are respected， you are worthwhile and you belong， not just because of relative goodness or badness.

MT：從老師對學生的鼓勵所傳達的外部信息是：“你受到尊重，你值得并且屬于你”，這不僅僅是因為相對的好壞。

PE：老師鼓勵學生的外在信息是，“你受人尊敬，有價值，有歸屬感”，這不僅僅是因為相對的好壞。

在原文本中，“belong”是一個動詞，根據(jù)原意應翻譯為“屬于”。如果按照原義和詞性翻譯，就會破壞句子的語法結構，也會引起讀者的誤解。如果轉換為名詞形式，翻譯成“歸屬感”，整個句子會更順暢，更符合漢語的表達習慣。

四、結語

機器翻譯為翻譯工作者提供了很大幫助，一方面，在翻譯過程中，機器翻譯能夠幫助翻譯生僻詞和復雜的句式結構，大大提高了翻譯效率;另一方面，筆者能通過機器翻譯得到整段話的粗略翻譯，對內容有了大致的了解，對譯后編輯中的選詞和修改提供了很大的便利。但正如我們所看到的，機器翻譯仍然存在很大的局限性。很多詞句都需要翻譯工作者仔細檢查和修改，以提高文本翻譯質量。機器翻譯還有很長的一段路要走，但作為我們現(xiàn)在不可或缺的一個輔助工具，我們也不能否定它的優(yōu)勢之處。相信隨著科技的創(chuàng)新發(fā)展，翻譯機器的前景會越來越好。

參考文獻：

[1] Koponen M. Is Machine Translation Post-editing Worth the Effort？ A Survey of Research into Post-editing and Effort[J]. The Journal of Specialised Translation， 2016（25）： 131-148.

[2]崔啟亮.論機器翻譯的譯后編輯[J].中國翻譯，2014（6）：68-73.

[3]崔啟亮，李聞.譯后編輯錯誤類型研究—基于科技文本英漢機器翻譯[J].中國科技翻譯，2015（4）：19-22.

[4]陸強，羅洪燕，王麗萍.大數(shù)據(jù)背景下的譯后編輯項目研究[J].中國科技翻譯，2019（3）：35-37，26.

[5]羅季美，李梅.機器翻譯譯文錯誤分析[J].中國翻譯，2012（5）：84-89.