目前的CAT软件主要采用的是TM技术,即翻译记忆(Translation Memory, TM),TM技术要求两句的相似度要非常高;对两句间不同的部分,一般只能自动替换其中的非译元素,如数字等。所以,记忆翻译质量的如何,很大程度上取决记忆库的规模。但是,记忆库是靠译员苦心积累下来的;如何让有限的记忆库发挥出更大的作用? 雪人的EBMT(Example-Based Machine Translation基于实例的机器翻译)技术可以比较好的解决这一问题: 雪人可以实现: (1).一般的替换翻译:例如:根据对“Herry is a student, he was born in 2000. 亨利是一个学生,他出生于2000年。”这一句的学习,精确翻译出“Anna is a teacher, she was born in 1976.安娜是一个教师,她出生于1976年。”一般的CAT软件只能做到数字的替换翻译。 http://www.gcys.cn/image/fanyi/new/j1.jpg (2).增词、减词替换翻译: 增词:例如根据记忆库中的“Herry is a student, he was born in 2000. 亨利是一个学生,他出生于2000年。”准确翻译出“Davis is a part-time teacher, he was born in 1982.戴维斯是一个兼职的教师,他出生于1982年。”而且对增词部分“part-time、兼职的”以绿色字体显示。 减词:根据记忆库中的“They were watching a beautiful sunset. 他们在观看美丽的日落。”这一句,正确将“We were watching a movie.”翻译为“我们在观看电影。”而且对减词部分“beautiful 美丽的 ”以绿色字体显示。这两句看似并不怎么相似,但一样可以很好地利用记忆库的“They were watching a beautiful sunset.”来为当前句服务,这在一般的CAT软件中是做不到的。 http://www.gcys.cn/image/fanyi/new/j3.jpg (3).方便的短语提取: 雪人可以非常方便地从记忆库中提取短语,而且一旦提取,立即出现在屏幕取词窗口中,后点击即可输入;通过提取短语,不但可以不断丰富自己的词典,还可很好地提高自动替换翻译的准确性。可谓一举多得! 例如:当我们翻译“Haven’t you heard that I’ll married soon?”这一句时,从记忆库中“Haven’t you heard that he’ll get a promotion soon? 你难道没听说他不久就要晋升了吗?”这一句做参考,但并能将“晋升”自动替换为“结婚”二字,原因是因为记忆库例句中有些词语的译文在词典中没有其对应的解释,而这部分又正好出现在两句中不同地方。此时若我们用 鼠标在原文中划选“get a promotion”和在译文划选“晋升”二字,并将它添加到项目词典中,然后按“重新翻译”按钮,则就可以正确替换了。 http://www.gcys.cn/image/fanyi/new/j5.jpg