尹宝生，苗雪雷，季 铎，蔡东风，张桂平

(沈阳航空航天大学人机智能研究中心，沈阳 110136)

随着全球经济一体化发展的快速推进，多语信息处理将成为一个巨大的产业，对人工翻译和机器翻译技术都有着极大的需求。无论采用人工翻译、机器翻译还是人机协同翻译来完成翻译任务，其工作的重点都是保证译文质量并提高翻译效率。对译文质量的评测方法分为自动评测和人工评测2种。

目前著名的自动评测方法主要有IBM提出的 BLEU(Bilingual Evaluation Understudy)方法［1］和美国国家标准与技术局(NIST:National Institute of Standards and Technology)在BLUE方法上改进提出的NIST评测标准［2］。现有的自动评测方法必须给定参考译文的情况下才能对机器翻译的译文做出评价，通过将机器翻译的译文与参考译文相比较，认为越接近参考译文的自动翻译结果正确率越高。这类自动评测方法重点在于评价机器翻译系统的性能，而对翻译结果的评价却依赖于给定的参考译文。这在实际的翻译工作中是不现实的，因为不可能要求所有的资料都事先给出参考译文。

在对质量要求高的实际翻译项目中，多采用人工评测的方式来评价译文质量。人工评测主要是在翻译过程中设置一个审校环节，由审校人员对翻译环节产生的译文进行评测来控制翻译质量。对于未通过评测的译文要返回给翻译人员修改，如此往复直到通过质量审查。由此可见，人工评测是确保翻译质量的核心步骤，但是人工评测耗时费力，效率低下，而且由于人的主观因素，对于同一篇译文不同的评测人员可能给出不同的判断。……