田红楠， 郭 欣， 袁 伟

（1.河北工业大学 人工智能与数据科学学院， 天津300130； 2.国家康复辅具研究中心秦皇岛研究院， 河北 秦皇岛 066000）

0 引言

在过去的几年里，机器翻译领域取得了很大的进展，这主要归功于基于双语语料的机器翻译的进步。现在，机器翻译系统是许多用户和公司有用的工具， 自动提供质量可接受的翻译结果[1]。 系统仍然会产生错误的翻译，这是一些特定领域翻译是不允许的。例如，医疗记录的翻译必须准确无误。 此外，翻译问题有许多微妙之处，使得机器难以处理：话语充分性、照应清晰度、特定领域的意义、文体形式等等。

在需要高质量翻译的场景中， 系统的输出通常由翻译人员检查，由翻译人员纠正机器翻译系统所犯的错误，这就是所谓的译后编辑模式。在这样的背景下，研究人员开始将目光转换到交互式翻译系统上，一方面，不同于普通的译后编辑模式，在交互式机器翻译系统中，翻译人员在翻译过程中与系统不断交互直到生成译员满意的结果[2]。另一方面，通过交互的过程，机器翻译系统可以自适应修改参数，提高模型的翻译效果。

1 神经机器翻译

统计机器翻译的原理是找出给定语言s，求解在给定源语言的情况下，目标语言t 的概率最大的值p（t｜s）。通过大规模双语平行语料学习，生成模型参数，当输入源语言时，通过优化条件概率的最优结果，生成译文[3]：

神经网络方法在计算机视觉和自动语音识别方面取得了成功，在机器翻译中得到了应用。……