构建译者社区¶
遵循这些建议支持创建完整的多语言后期编辑工具。好的翻译是通过 House 的系统功能模型定义的,该模型旨在实现上下文正确的翻译。编写您自己的`后期编辑指南 <https://en.wikipedia.org/wiki/Postediting>`_ 并更改这些建议以适合您自己的定义。大多数情况下,languageTool 的`browser-plugin <https://languagetool.org/#firefox_chrome>`_ 可用作校对工具。
译者经常会发现源字符串的问题。确保译者可以轻松报告这样的问题。要收集此种反馈,你可以在你的 Weblate 部件上设置 component-repoweb`字段,让译者提议对上游仓库的更改。如果你设置了 :ref:`component-report_source_bugs,你也可以收到译者的评论。
社区本地化检查清单¶
可以在每个部件的菜单中找到 社区本地化检查清单,它可以就如何让社区译者轻松进行本地化过程为您提供指导。
专业术语管理¶
带有术语分配的MT的后期编辑影响着翻译过程的每个层次。机器翻译系统可以通过持续训练或`神经模糊修复<https://aclanthology.org/P19-1175.pdf>`_ 来适应特定的词汇和风格。`导入<https://docs.weblate.org/en/latest/admin/memory.html#imported-translation-memory>`_ 你现有的翻译记忆到weblate,或者用你的基本术语创建一个初始范围。最后,应该用额外的术语文件来指导演讲者,以保证在该字段有良好的知识和产出。
机器翻译¶
自动翻译的质量(通常用BLEU分数衡量)与编辑时间相关[1]。选择一个支持所需语言和领域的机器后端。明确翻译后台的功能以及后期编辑所期望的质量。
复查翻译¶
译文在编辑后应由第二个人审阅。有了公正和称职的审校人员,两人规则可以减少错误,提高内容的质量和一致性。向审稿人提供预览或 alpha 翻译有助于促成最好审校。截图、解释也有助于在上下文中审阅字符串。
结构化的反馈¶
Weblate 中有许多 检查和修正,它们提供翻译质量的结构性反馈。他们同样在翻译过程中给予视觉反馈。这防止重复的错误并帮助译者理解代码如何工作。
翻译定义¶
除了基于心理和基于影响的定义之外,基于文本的语言学方法最适合实施的翻译方法。一个精心制定的翻译评估理论是豪斯的系统功能模型,它侧重于原始和翻译之间的关系。该模型假设翻译是在从一种语言代码交叉到另一种语言代码时保持文本等效的语义,语用和文本含义的尝试。
翻译的质量程度是基于对等程度,即文本轮廓和文本功能之间的对应关系。因为它不能自动计算,所以应该收集足够的信息,以便能够进行统一的人工评估。相应模型中的两个主要一致参数是宏观语境–即嵌入更大的社会和文学背景中–以及由领域、主旨和模式组成的微观语境。
原文¶
Marina Sanchez-Torron 和 Philipp Koehn 在机器翻译质量和译后编辑效率方面,图 1:https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf
Joanna Best und Sylvia Kalina.Übersetzen und Dolmetschen: eine Orientierungs-hilfe. A. Francke Verlag Tübingen und Base, 2002年。 Möglichkeiten der Übersetzungskritik 从第 101 页开始
神经模糊修复,Bram Bulté 和 Arda Tezcan 在神经模糊修复:将模糊匹配集成到神经机器翻译中,2019年 https://aclanthology.org/P19-1175.pdf