基于智能算法实现多平台OPT协同翻译系统的设计.pdf

现代电子技术Modern Electronics TechniqueSep.2023Vol.46 No.182023年9月15日第46卷第18期0 引 言随着世界一体化趋势深入演变，不同语言文化之间的交互日益密切，各行各业都在以全球化为目标，竭力走出国门，向全球发展1。在此背景下，语言的翻译成为一种互通的桥梁，其准确性与快速性尤为重要。据调查，我国大中型企业执行翻译工作时，有 80%以上会委托第三方机构完成2。根据数据显示，大多数交托乙方的翻译任务，在执行翻译的全过程中会出现需要对原文进行局部修改的情况，但在所交付的翻译任务中，待译材料份数往往较多，并且需修改处分布较广。传统的纯人工修改及翻译的成本代价过高且效率低，无法满足这种日益常见但较为复杂的需求3。另一方面，随着信息时代的到来，人工智能（AI）自动化技术蓬勃发展，利用计算机进行辅助翻译成为大势所趋，这也是提升翻译效率的关键突破口。这一现实状况对现有的计算机翻译模式系统提出了新的要求。20世纪50年代人工智能技术开始进入大众视野4。1972年，威尔克斯将人工智能技术带入机器翻译领域，阐述了机器翻译AI技术的实现可能与理论5。1981年，DOI：10.16652/j.issn.1004373x.2023.18.032引用格式：李舒淇，崔丹，吴松.基于智能算法实现多平台OPT协同翻译系统的设计J.现代电子技术，2023，46（18）：183186.基于智能算法实现多平台OPT协同翻译系统的设计李舒淇1，崔 丹1，吴 松2（1.哈尔滨工程大学 外国语学院，黑龙江 哈尔滨 150001；2.哈尔滨工程大学 船舶工程学院，黑龙江 哈尔滨 150001）摘 要：在执行翻译任务的实际场景中，经常会出现客户对翻译原文进行局部修改的情况，往往需要通过人工进行整理替换后翻译。为了便于译员在执行翻译操作中更高效地完成翻译任务，文中基于Office、Python和Trados等多种工具和平台，利用智能算法设计一种多平台协同OPT翻译系统。对OPT翻译系统进行语料翻译实验测试，结果表明在同样的语料属性下，OPT系统不仅具有较高的准确率，效率方面也有显著提升，并且随着待翻译任务量的增加，OPT系统在准确率和效率上的优势更加明显。关键词：OPT翻译系统；智能算法；多平台联合；Office模块；Python；Trados平台；翻译测试中图分类号：TN912.334 文献标识码：A 文章编号：1004373X（2023）18018304Design of multiplatform collaborative OPT translation system based on intelligence algorithmLI Shuqi1,CUI Dan1,WU Song2(1.School of Foreign Studies,Harbin Engineering University,Harbin 150001,China;2.Ship Engineering College,Harbin Engineering University,Harbin 150001,China）Abstract：In the actual scenario of performing translation tasks,it is common for customers to make partial modifications to the translated original text,which often requires manual sorting and replacement before translation.In order to facilitate translators to complete translation tasks more efficiently during translation operations,a multi platform collaborative OPT translation system is designed by means of intelligent algorithms and based on various tools and platforms such as Office,Python,and Trados.The corpus translation experiment test was conducted on the OPT translation system.The results show that under the same corpus attributes,the OPT system not only has high accuracy but also can significantly improve efficiency.Moreover,as the number of tasks to be translated increases,the advantages of the OPT system in accuracy and efficiency become more apparent.Keywords：OPT translation system;intelligent algorithm;multiplatform collaboration;Office module;Python;Trados platform;translation testing 收稿日期：20230509 修回日期：20230531基金项目：2022年度黑龙江经济社会发展重点研究课题（外语学科专项）（WY2022072C）183183现代电子技术2023年第46卷M.King基于语言学中的语义学理论背景研究了人工智能机器翻译技术，优化了AI翻译效果6。2011年，M.H.Mercy等基于AI技术设计一套特殊的机器翻译系统，能够识别输入的不同形式的字符，完善了 AI机器翻译技术的功能7。AI 驱动的翻译技术创新已经引发了翻译实践、翻译行业和翻译教育的变革，并且带来了新机遇和新挑战。基于上述背景及现状，本文基于 AI算法技术设计与开发一种多平台协同 OPT翻译系统，用于更加便捷、快速地对原文进行查找和修改，进而完成翻译任务。此系统结合 Microsoft Office、Trados等平台，通过 Python程序实现各平台模块的内部操作以及各平台之间的互联互通，能够高效率且高精度地实现多平台联合进行翻译任务原文及译文的修改。1 系统关键模块1.1 Office模块Microsoft Office是一套由微软公司开发的办公系统平台。Word是文字处理软件，Excel是电子进行数字和预算运算的数据表程序软件8。基于 Office 平台中的Word 以及 Excel 功能，提前配置好对应功能的相关设置，比如Word中原文局部修改处前后的显示模式等等，以便更好地让程序识别并适应OPT系统。对于Word模块，docx文件的结构较复杂，有三层结构：1）Document对象代表了整个文档；2）Document里包含了 Paragraph对象的列表，每个Paragraph对象用来表示文档中的一个段落；3）一个 Paragraph 对象包含 Run对象的列表，一个Run对象就是style相同的一段文本9。基于这种结构特征，利用Python语言对待译文档中修改内容的位置以及修改的具体内容进行自动化识别，并将其提取到后续的系统进程。图1为docx文件结构图例。图1 docx文件结构图例1.2 Python模块Python为一种计算机编程语言，其提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法、动态类型以及解释型语言的本质，使其成为多数平台上写脚本和快速开发应用的编程语言，用于独立、大型项目的开发10。在本文开发的多平台协同翻译 OPT 翻译系统中，Python程序贯穿始终，从最开始针对docx文件的自动识别、复制以及xlsx文件的填充、保存等操作，到自动化操作Trados平台实现系统任务以及翻译工作的完成等。在OPT系统中，要想实现对各种文件类型以及程序的控制，需要首先定位页面上的元素，通过颜色、文本内容进行定位或者搜寻目标为选项、按钮等元素11。以下程序为对docx文档进行颜色识别的主要代码。redText=greenText=doc=Document(test.docx)#操作文档for p in doc.paragraphs:for r in p.runs:#红色字体（修改前）if.font.color.rgb=RGBColor(255,0,0):redText.append(r.text)#绿色字体（修改后）if.font.color.rgb=RGBColor(0,255,0):greenText.append(r.text)1.3 Trados平台Trados 是一种基于翻译记忆和术语技术的桌面级计算机辅助翻译软件，也是用于快速创建、编辑和审查高质量译文的综合工具。基于翻译记忆库和术语库，Trados 被充分赋予了记忆特征1213，基于“翻译记忆”的理念，将翻译过的文本储存到记忆库中，遇到类似的文本可结合“记忆”里的参考进行便捷快速翻译。在Trados现有程序组件中，开发商已开发查找与替换功能14，但是此功能自动化程度较低，需要人工将修改的内容进行挑选并整理进 Excel表格，然后通过人工导入 Trados平台。一旦待译文档较多或者待译文本中修改内容分布较广，此时人工操作就无法适用。本文系统局部功能的实现也将依托 Trados现成程序组件中的查找与替换工具，通过此工具与其他模块基于程序的连接，实现多平台协同OPT翻译系统的搭建。2 多平台协同OPT翻译系统的设计整个OPT翻译系统是基于Python程序联通，各模块内功能的实现以及模块之间的交互依然通过程序实现。184第18期整个OPT系统由一深一浅两个维度的框架组成，浅层次维度代表模块的启闭、软件的点击及操作。图2所示为OPT翻译系统框架图。图2 OPT翻译系统框架3 实验测试与对比3.1 实验样本的数学建模系统设计完成之后，为验证本文系统在翻译中的便利快捷性、有效性，展开翻译测试实验，记录实验过程中的相关数据，以此进行系统性能分析。实验材料为 20 份待翻译的风力机安装中文说明书，将说明书依次编号为120。现定义一个变量N=（a，b，c，k），其中a表示待翻译材料编号120；b代表该翻译材料中具体的第 b行；c代表该翻译材料第 b行的第 c个字符；k代表此处有几个字需要修改。例如 N=（4，8，8，2），代表第 4份待翻译材料中第 8行第 8个字符开始有2 个字需要修改。图 3 所示为测试实验选取的 20 份待翻译材料需要修改的地方的三维分布图。图3 样本点三维分布图3.2 实验结果分析对实验样本进行数学建模之后，将样本点变量N自动输入OPT翻译系统，进行智能化修改及翻译。本文选用修改准确率、效率 两个考核指标来衡量翻译及修改进程的优劣。实验选取的对比工况为：人为操作将原文中所有需要替换的内容全部修改，然后用Trados重新翻译所有修改后的原文。表 1为本次实验的结果。从表 1可以看出：就对比工况而言，因其需要大量人为操作的参与，在较大工作量时往往会出现失误，导致准确率不能达到100%，并且效率远远低于OPT智能化系统。表1 实验结果实验序号12实验方法OPT系统对比工况准确率/%10098花费时间4201942效率(相对值)10022效率提升/%355通过进一步分析发现，翻译任务的工作量越大，OPT 系统的优越性就越明显。上述实验仅仅选取了20 份待翻译材料，且每份样本待修改处较少，不足以完全体现OPT系统的特性。因此分别从横向、纵向两个维度增加实验样本数，分析在两种不同情况下样本数增加对实验结果的影响。样本选取方法如图4所示。图4 样本选取方法在纵向维度上，选取 10份待翻译材料，每份待翻译材料分别设置 5、10、15、20、25 处修改。对实验材料采取表 1 同样的两种实验方法操作处理。图 5 为不同维度下的实验结果。通过图 5 可以看出：在 10 份待译材料下，当每份材料修改处较少时，两种方法的正确率差距很小；效率方面，OPT 系统为对比工况的 45 倍。随着每份材料修改处增多，两者正确率的差距骤增，效率也差了 1020 倍。在横向维度上，选取 20、30、40 份待翻译材料进行实验，且每份材料都出现相同数李舒淇，等：基于智能算法实现多平台OPT协同翻译系统的设计185现代电子技术2023年第46卷量的修改内容，依然对这 40 份材料采取表 1 两种修改及翻译方式，实验结果如图 6所示。图5 实验结果雷达图图6 实验结果对比4 结 论针对实际翻译任务中常见的对翻译原文进行修改效率低、人工成本高的问题，本文设计与开发了一套多平台协同 OPT翻译系统，用于便捷、高效地针对修改后的 原 文 执 行 翻 译 任 务。系 统 结 合 Microsoft Office、Trados等平台，通过 Python程序实现各平台模块的内部操作以及各个平台之间的联通。OPT翻译系统操作框架分为深浅两个维度。系统搭建完成之后，为验证本文系统在翻译中的快捷性、有效性和准确性，对本文系统展开翻译测试实验，并设置对比工况。实验结果表明：OPT翻译系统不仅在准确率上优于对比工况，而且效率也远远高于对比工况；待翻译材料数量越多，修改处分布越广，OPT系统的这些优越性就越明显。注：本文通讯作者为崔丹。参考文献1 曲慧敏.中华文化走出去战略研究D.济南：山东师范大学，2012.2 魏清光.改革开放以来我国翻译活动的社会运行研究D.上海：华东师范大学，2012.3 穆雷，杨冬敏.从翻译企事业员工的现状和市场需求看专业翻译人才的培养J.外语与外语教学，2012（3）：5760.4 WINSTON P H.Artificial intelligence M.Boston:Addison Wesley Longman Publishing Co.,Inc.,1984.5 NOMURA H,SHIMAZU A,IIDA H,et al.Artificial intelligence approach to machine translation J.ACM SIGART bulletin,1982(79):74.6 KING M.Semantics and artificial intelligence in machine translation J.Sprache und datenverarbeitung,1981,5(1/2):58.7 MERCY M H,PRAKASH P,MALATHY M N.Using artificial intelligence strangeness in machine translation EB/OL.20230414.http:/www.ijmttjournal.org/Volume1/Issue1/ijmttjournalv1i1p6.pdf.8 JASMA Balasangameshwara.Microsoft office in multilevel monitoring of outcomes in outcome based education J.Journal of engineering education transformations,2019,33(1):104110.9 LUKASCZYK S,KROI F,FRASER G.An empirical study of automated unit test generation for Python EB/OL.20211124.https:/ STANIN I,JOVI A.An overview and comparison of free Python libraries for data mining and big data analysis C/2019 42nd International Convention on Information and Communication Technology,Electronics and Microelectronics.S.l.:IEEE,2019:977982.11 SERDAR Yegulalp.4 useful features you wont be seeing in Python EB/OL.2022 04 10.https:/ useful features you wont be seeing in python.amp.html.12 VALKAMA I,ROSSI J.Participant 14:description of the model TRADOS model results problems encountered M/KLUGW,GRAZIANL G,GRIPPA G,Evaluation of long range atmospheric transport models using environmental radioactivity data from the chernobyl accident.S.l.:Elsevier,1992:173182.13 于佳弘，庄天赐，昌雨荭.浅谈 Trados辅助翻译软件和语料库在公开课英文字幕翻译中的应用J.知识经济，2019（36）：103.14 WEI Yuehong,SHEN Qi.The comparison of translation memory of three major computeraided translation software J.Journal of basic and applied research international,2020(2):4760.作者简介：李舒淇（1999），女，安徽人，硕士，研究方向为科技英语翻译、计算机辅助翻译。崔 丹（1974），女，河北人，博士，教授，研究方向为科技英语翻译、计算机辅助翻译。吴 松（1998），男，安徽人，硕士，研究方向为计算机科学。186