那些关于微信的英文

　　如果说网络占据了我们生命的百分之八十的话，可能微信就占据了百分之八十的百分之八十。一起来学习下关于微信里的那些英文：

　　请看下面这个中英对照的版本：

　　除此之外：

　　“微信”的官i方英文名称是WeChat

　　这个翻译很妙，一是WeChat还算是有些“微信”音译过来的感觉，二是“微信”的功能就是“we chat（我们聊天）”

　　“公众号”怎么说呢？官i方翻译是Official accounts.

　　official，官i方的；accounts，账目，账号。

　　或者外国人口语会直接说 public accounts.

　　“关注”可以说“follow”，那取消关注就是“unfollow”，微博、Twitter、facebook也都是一样。

　　“聊天记录”如果逐字翻译成chat record就太chinglish了！

　　比较地道的说法是chat history.聊天历史。

　　“备注名”官i方用的是alias [?e?li?s]，而不是nickname.

　　alias是化名的意思，而nickname译为“绰号”更为确切些。

　　“有人@我”，微信给出的官i方翻译是“You were mentioned.”

　　如果想对别人说“记得@我一下”，可以说“Don't forget to notify me.”，或者“Don't forget to give me a mention.”。

　　“转发”，可以用“share”，“分享”这个词，听起来是不是比“转发”好！

熟悉当地语言文化的差异

因为要把整个网站界面翻译成本地语言，包括产品详情、账单、条款、隐私政策等，所以必须保证翻译的准确无误，并且使用当地常见的语言风格。2013 年，西班牙时装零售商 Mango 公司在其法语网站上为一条金色项链做宣传时，形容它具有“奴隶风格”，激起了众怒。出现混乱后，公司不得不迅速发表道歉声明，解释说由于西班牙语“escl***a”（手镯）和法语“escl***e”（奴隶）太相似，而引起了误译。Mango 公司因此被法国许多反种族主义***谴责，而法国一些著i名女演员则在 Change.org 上发出***，要求撤下引发争议的首饰。毫无疑问，这种翻译错误让 Mango 公司流失了大量客户，并且对品牌名称造成很大损害。

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，镇江德语翻译中心，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，镇江德语翻译，中间结果包括主题爬虫获取的Web网页和URL，镇江德语翻译机构，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，镇江德语翻译资料，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核心任务，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，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，***后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。***主要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，为目标领域训练高性能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，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，***后得到效果更好的双语术语识别和词对齐结果。

镇江德语翻译-镇江德语翻译机构-镇江译林翻译(推荐商家)由镇江译林翻译有限公司提供。镇江译林翻译有限公司（www.yilint.net）是一家从事“翻译,英语翻译,日语翻译,多语种翻译”的公司。自成立以来，我们坚持以“诚信为本，稳健经营”的方针，勇于参与市场的良性竞争，使“译林翻译”品牌拥有良好口碑。我们坚持“服务为先，用户至上”的原则，使镇江译林翻译在翻译中赢得了众的客户的信任，树立了良好的企业形象。 特别说明：本信息的图片和资料仅供参考，欢迎联系我们索取准确的资料，谢谢！