翻译技术速递
快速增长的中型翻译买家群体跟随更复杂的大型买家实施机器翻译后编辑（ PEMT ），无论是通过他们的 LSP 还是直接通过原料药（API）在他们的翻译管理系统（ TMS ）。
学术界对语言翻译中日益紧密的人机交互影响的定量研究也越来越感兴趣。
Samuel L ä publi 领导的一项最近的研究考察了 PEMT 对银行和金融领域一小批翻译人员生产率的影响。L ä pun 是苏黎世大学的博士候选人、 TextShuttle 的 CTO 和 SlatorCon 的前任发言人。
研究人员与位于瑞士苏黎世的 Migros Bank 内部翻译团队一起使用领域自适应神经机器翻译（ NMT ）进行了这项研究。Migros Bank 是瑞士最大的零售商 Migros 的银行部门，在德国、法国和意大利各地开展业务。该行拥有67家分行，员工超过1300人，2018年实现利润2.04亿瑞士法郎（2.05亿美元）。
2016年， Migros 银行决定减少向语言服务提供商( LSP )提供的工作，在其每年约200万字的翻译量中，将更多的工作带回内部。
银行组建了一支由2.8名专职员工组成的内部翻译团队，全面推行翻译管理体系。最初，计划由内部团队承担大约60%的翻译工作量。然而，据 L ä pui 说，由于部署了 PE ( N ) MT ，这一比例增长到了80%。
L ä pun 等人。接着，“实证检验了除了特定领域的翻译记忆和术语基础之外， NMT 的加入如何影响金融文本专业翻译的速度和质量。”
研究发现，“即使对于在研究环境中几乎没有受到关注的语言对和用于系统适应的少量领域内数据， NMT 的后期编辑也能节省大量时间，并能带来同等或稍好的质量。”
该银行的四名翻译参加了这项研究，每对语言有两名。在每个语言对中，有两个实验条件：一个是翻译记忆（ TM ），另一个是 PEMT ——也就是说，翻译人员正在编辑 NMT 输出。
在第一组中，翻译人员可以访问特定于领域的 TM 、特定于领域的术语库，以及在翻译环境中使用的任何在线服务（机器翻译除外）。在第二种情况下，他们也可以访问所有的内容，除了没有模糊匹配至少80%的 TM 句子是通过 NMT 引擎运行的。
在德语和法语的语言组合中，每小时平均速度分别为585和934个纯 TM 单词和后编辑单词，增长了近60%。为了供参考，在对 PEMT 速度进行调查的 Slator 读者中，有很大一部分认为每小时约1000个单词是一种现实的每小时输出。
这种差异较少以意大利语为目标语言，每小时产生453个和495个词，分别以纯 TM 和后编辑方式产生；速度增长了9%。
在提供翻译成法文的文本中，使用 PEMT 达到的最大速度为每小时1237字，而不是仅使用 TM 的每小时683字。对于意大利人来说，后编辑的最大速度是648个单词，仅 TM 的最大速度是553个单词。四个笔译员中有三个人平均使用 PEMT 的速度更快。
从五个方面对质量进行了评估：一致性、凝聚力、语法、风格和文化充分性。总体而言，在法语中，有无 NMT 的文本在质量上没有差别。在意大利，用 MT 翻译的文本得分略高。在没有 MT 的文本中，在法语和意大利语中， Cohesion 被发现更好。
这项研究没有提供确切的解释，为什么结果更好的法语作为目标语言。其中一个可能的原因是，德国对意大利的发动机训练的领域内材料比德国对法国的少。
Chantal Amrhin 、 Patrick D ü ggelin 、 Beatriz Gonzalez 、 Alena Zwahlen 和 Martin Volk 是 L ä pun 的共同研究员。
以上中文文本为机器翻译，存在不同程度偏差和错误，请理解并参考英文原文阅读。
阅读原文