句容法语翻译

有了TM，你永远不必对同一句话翻译两遍！为什么那么多翻译公司使用翻译记忆库（TM）？翻译记忆库（TM）到底有哪些优势呢？

1、节省翻译总支出

越来越多的企业在首i次进行产品本地化时便会选择建立翻译记忆库，***i大的原因就是利用翻译记忆库可大大地节省翻译成本。尽管看起来有些矛盾，但有一句话说过：“您的翻译需求越多，花的钱就越少”，这就是翻译记忆库起了效果：

客户的翻译记忆库是通过实际的项目不断累积而建立起来的。当发布新项目时，系统会将文件内容分成若干段落，与以往做过的项目进行比对，系统会自动分析出重复和高匹配内容，一般来讲匹配度在 75% 以上的内容会享有相应折扣，匹配度越高，折扣力度越大。

2、提高译文质量，保持译文一致性

使用翻译记忆库中存储的译文，可帮助企业规范术语词汇，把握语言风格和语气， 使公司不同时期的项目译文保持用语和风格的一致性，有利于公司品牌整体形象的塑造。

3、缩短项目交付时间

除了节省翻译费用和提高译文质量，翻译记忆库还可缩短项目交付时间。翻译记忆库越强大，译员所需做的重复劳动就越少。译员在翻译过程中，可实时查询翻译记忆库中的内容。如有与原文内容相符的既往翻译，会立即推荐给译员，鼠标一点即可添加到译文处，再根据不同语境稍作调整，由此译员只需将时间和精力放在处理新内容上，可为译员节省不少的工作量。

4、规范企业内部内容管理

语言资产（Language Asset）无论是产品相关还是市场以及日常运营相关，都是企业无形资产的一部分。高质量、实时更新的语言资产将是企业内容管理和传承的重要组成部分。尤其是当人员变动、管理方式调整之后，拥有***语言资产将有力的帮助工作的衔接。不少跨国企业深知其重要性，已经通过与***本地化公司合作，逐步建立了“标准化”、“结构化”、“层次化”和“模块化”的语言资产，享受其“集中性”、“扩展性”、和“可追溯性”带来的便利、高i效，节省了管理成本。

词语形态错误：该标题下可能有以下几条内容。其中重要的一条就是拼写。虽然拼写检查通常是靠文字处理程序中自带的拼写检查工具自动进行的，但也可能有拼写检查工具无法识别的单词。（例如，一种语言中拼写不正确的单词在另一种语言中可能完全可以接受）另一个经常被遗忘的要点是大小写问题。英语比其他语言更倾向于使用大写字母。如果你的目标语言也使用大写，请核对该语言的使用规则(例如：西班牙语不大写周、月的天数或国籍)。如果你的语言使用重音符号(如法语、葡萄牙语或西班牙语)，句容法语翻译工资，请确保你还记得重读的规则或查阅拼写法相关参考书。作为译者，虽然假同源词的思想已被灌输进我们的大脑，但我们仍需偶尔检查一下，尤其是那些在美国生活了很长时间的人。当你阅读一篇文本时，你可能会问自己以下几点：

·在常规的电脑拼写检查后，你是否检查过拼写？

·单词的大/小写是否正确？

·你是否已确定在必要时使用重音符号？

·如果你的语言中有带有性别结尾的词，你是否确定它们与文本中的其他词的阴阳性一致？

·你确定没有假同源词吗？

例如，它是 librerí（“书店”）还是 biblioteca （“图书馆”）呢？

术语翻译方法

（1）基于双语括号句子的术语翻译挖掘方法

站在改善***终机器翻译译文质量的角度，我们认为术语翻译知识的质量优

先于规模。因此，我们将目光转向互联网上单语网页上大量存在的双语括号的句子。所谓双语括号句子需要同时满足下列三个条件：包含一个或多个括号；紧临括号的左边是一个术语；该术语的译文在括号内。双语括号句子包含丰富的术语翻译知识，如目标语言术语的上下文信息。相对于平行语料或可比语料而言，双语括号句子的限制更少，更新比较及时且相对更容易抽取术语翻译知识。因此我们认为双语括号句子是挖掘术语翻译知识的理想语料。如以下示例所示，挖掘术语翻译知识的主要任务是确定目标术语的左边界，因为右边界已经由括号给出，且源语言术语的边界是确定的。

各个进程有自己的内存空间、数据栈等，所以只能使用进程间通讯（interprocess communication，IPC），而不能直接共享信息。

该方法的输入为种子 URL 和种子术语词典，***终输出为带概率的术语翻译规则表，类似于统计翻译的短语翻译规则表。在工作流中，句容法语翻译哪家好，中间结果包括主题爬虫获取的Web网页和URL，双语括号句子过滤器筛选出的双语括号句子，术语左边界分类器的术语翻译候选列表，以及增量更新后的种子术语词典。

（2）融合双语术语识别的联合词对齐方法

词对齐是统计机器翻译的一项***任务，它从双语平行语料中发掘互为翻译的语言片断，是翻译知识的主要来源。在实践中，一部分词对齐错误就是术语产生的，***终的译文质量也会受到影响。如果能自动识别出平行句对中的术语对应关系，词对齐质量就能得到改善，进而有望改善术语和句子的翻译质量。

术语识别方面，基于规则的方法已基本退出历史舞台。基于统计方法的方法虽然不受领域限制，但是对于多词术语和低频术语的识别并不理想， 因而抽取的术语也存在较多噪声。所以，如果直接将术语识别结果作为词对齐的约束，术语识别错误就会传递给后续阶段，***终译文质量反而难以得到提升。因此，研究如何提高术语识别和词对齐性能，句容法语翻译，并提高***终的机器翻译译文质量是迫切需要解决的一个难题。

为了尽量降低训练流程中错误传递的影响以改进术语翻译知识抽取，我们提出了融合双语术语识别的联合词对齐方法。首先，为了降低对训练数据的依赖，该联合词对齐方法从单语术语识别弱分类器开始。该分类器由维基百科等自然标注数据训练得到的。其次，为了降低因术语识别和词对齐的错误传递带来的负i面影响，该方法利用双语术语和词对齐的相互约束，将单语术语识别、双语术语对齐和词对齐联合在一起执行，***得到效果更好的双语术语识别和词对齐结果。

（3）融合术语识别边界信息的统计翻译术语解i码方法

人名、地名、机构名等命名实体有明显的边界特征，相对容易进行识别与对齐。一般而言，将命名实体直接翻译方法用于统计翻译解i码器就可以取得比较好的翻译效果。但是，用与翻译命名实体的方式“直接翻译” 术语并不能明显改善机器翻译自动译文的质量。***的原因就是目前的术语识别模型还不够好，识别准确率大幅弱于命名实体识别。另外，由于术语本身是与领域高度相关的，为目标领域训练***的术语识别分类器需要大量高质量且同领域的人工标注训练语料，这进一步加大了术语识别的难度。在这种情况下，如果直接将术语识别结果作为词对齐的约束，术语识别错误就会传递给后续阶段，***终译文质量反而难以得到提升。因此，句容法语翻译介绍，研究如何提高术语识别和词对齐性能，并提高***终的机器翻译译文质量是迫切需要解决的一个难题。

为了尽量降低训练流程中错误传递的影响以改进术语翻译知识抽取，我们提出了融合双语术语识别的联合词对齐方法。首先，为了降低对训练数据的依赖，该联合词对齐方法从单语术语识别弱分类器开始。该分类器由维基百科等自然标注数据训练得到的。其次，为了降低因术语识别和词对齐的错误传递带来的负i面影响，该方法利用双语术语和词对齐的相互约束，将单语术语识别、双语术语对齐和词对齐联合在一起执行，***得到效果更好的双语术语识别和词对齐结果。