听说有个翻译前辈一边听一边数手指头,一个意群数一个指头,听完一篇文章后对文章的主干就心中有数。其实这个边听边数指头就是一个active listening的过程。 如果只是被动地听,时不时分一下神,很难在脑海中有一个,另外一个加强记忆的方法就是在听的时候尝试一下在脑海里visualize一下发生的事情。这个方法对我自己顶管用。比如说听刚才那一段话的时候,我会试着想象狮子的出现,***们决定行动等画面。 这个技巧的效果因人而异,有些人不善于visualize就可以把注意力完全放在听和分析信息上面。听写句子听了一段时间后可以找一些3-5分钟的录音来听,不记笔记,听完后复述听过的内容。开始的时候可以用原语复述,往后就要求自己听一遍后翻译。可以买一些VOA新闻的磁带或是mp3来练习。也可以在网上下i载一些资料。如果觉得3-5分钟的录音做得很轻松了,可以找一些更长的录音来练习。如果听力还不是很过关可以先用VOA的Special English来练习短期记忆。另一方面着要加强词汇学习和听力训练。短期记忆还是要苦练,因为做交替传译的时候不是什么时候都可以做笔记。有时候发言人站着,翻译也跟着站着,根本就没有给你提供桌子来做笔记。 站着的时候如果麦克风是固定的,不用你自己拿麦克风你还可以站着做笔记,但是如果你要拿着流动麦克风来做翻译的时候你就根本没有办法做笔记。一次做会议的时候,我和发言人都是站着的。也没有什么稿子给我,镇江口译翻译顾问,我手里拿着个流动麦克风也没有办法做笔记,发言人说一段,镇江口译翻译介绍,我翻一段。 遇到这种情况怎么办?靠的就是好记性呀。可以事先和发言人沟通,叫发言人不要说太久。发言人说多久都要等翻译把他的话翻译完才能继续说。如果发言人说得不长,翻译质量自然更高一些。让发言人理解你的工作性质,发言人一般都愿意配合。 毕竟请翻译的主要目的不是为了考翻译,而是为了把发发言人说的意思转达给听众。所以翻译和发言人之间应该是一种合作的关系。即使可以做笔记也不要过分依赖笔记,因为如果你没能全神贯注地去积极地听和记,***后可能笔记记的东西你都记不得是什么来的。其实可以做笔记的时候也是七分靠脑记,三分靠笔记。如果是在校读书的学生,可以和同学结伴一起练习短期记忆。叫同学念一段文章,然后自己复述出来。如果没有学习搭档,录音机、复读机、收音机和电脑都是很好的学习伴侣。
转换词性
名词转动词
【例】the development and application of new telecom service
【译】如果听到整句主语后才开始切入翻译会稍显滞后,此时可以试着将这些名词译成动词,这样其实也符合英语的表达方式。可译为:开发和运用新的电信业务。
【例】In China, the full opening up and the profound reform in the public services areas to the foreign encounter parts greatly give impetus to the development of the tertiary industry.
【译】可将此句译成:在中国, 全i面开放和深化改革公共服务领域,并将其向国外同行开放,这会极大推动第三产业的发展。
技术背景
(1)机器翻译研究历程
机器翻译的研究在上世纪五十年代就已经展开,早期的工作主要以基于规则的方法为主,进展相对来说比较缓慢。之后美国自然语言处理咨询委I员会还作出了一个质疑了机器翻译的可行性的报告,对该领域研究造成了一定阻碍。到了上世纪九十年代,IBM提出了著i名的基于词的翻译模型,开启了统计机器翻译时代,随后短语和句法模型相继被提出,翻译质量得到了显著提升。***近两年***网络机器翻译方法开始兴起,该方法突破统计机器翻译方法中的许多限制,成为当前的研究热点。
(2)统计机器翻译
统计机器翻译的基本思想是充分利用机器学习技术从大规模双语平行语料中自动获取翻译规则及其概率参数,然后利用翻译规则对源语言句子进行解i码。对于给定的源语言句子,统计机器翻译认为其翻译可以是任意的目标语言句子,只是不同目标语言句子的概率不同。而统计机器翻译的任务,就是从所有的目标语言句子中,镇江口译翻译,找到概率***i大的译文。
(3)***网络机器翻译
***网络机器翻译(neural machine translation,NMT)是近年来兴起的一种全新的机器翻译方法,其基本思想是使用***网络直接将源语言文本映射为目标语言文本,这种编码器解i码器架构使得它可以采用端到端的方式进行训练,能同时优化模型中的所有参数。完全不同于传统机器翻译中以基于离散符号的转换规则为核心的做法,镇江口译翻译协会,需要经过词对齐,抽规则,概率估计和调参等一系列步骤,容易产生误差传播。***网络机器翻译使用连续的向量表示对翻译过程进行建模,因而能从根本上克服传统机器翻译中的泛化性能不佳、***性假设过强等问题。
版权所有©2025 产品网