中图分类号：H085;H315.9；TP391.2 DOI:10.12339/j. issn.1673-8578.2025.03.012

Machine Translation Quality Assessment and Post-Editing Strategies :A Case Study of Chinese-Japanese Patent Texts//TAN Hongxin

Abstract:WiththeincreasingfrequencyofscientificexchangesbetweenChinaandJapan，thedemandforpatentdocumentsandheir translatiohasgoapidlynteontextoftewidespradaplcationofachetranslationtisarticularlyimporattloe themachine translationof patentexts.Thisstudyselected Gogle Translate，Wenxiyiyan（4.O）and ChatGPT（4.O）tofocusonanalyzingtheirtranslationofprofesionaltermsinthefieldofelectroniccommuications.Combining theBLEUautomaticevauationindexandmulti-personmanual.Wecomparedthetranslationefectsofthereemacines，summarizedthemistranslationfeaturesand proposed corresponding post-editing strategies.

Keywords: patent text; Terminology Translation; machine translation quality assessment; post-editing strategy

近年来，电子通信领域专利翻译需求激增，人才供不应求。同时神经网络机器翻译(NMT)与生成式人工智能（GAI)的快速发展为翻译界带来新挑战与机遇。目前市场主流翻译系统包括Google翻译、DeepL、百度翻译等，而ChatGPT、文心一言等GAI也备受翻译界关注。

专利文本兼具科技与法律文本特性，对表述标准化程度与术语准确性有较高要求。胡开宝、李翼指出，机器翻译适用于特定领域的程式化或信息性文本[1]。而杜金华、张萌揭示未来翻译市场中，“机器翻译 + 译后编辑”模式将成主流[2，提高机器译文精度与翻译效率成为关键课题。

本研究构建中日电子通信领域对照语料库，选取主流翻译引擎Google翻译，以及生成式人工智能ChatGPT(4.0）文心一言(4.0)作为翻译系统，运用Python计算BLEU值，结合基于《专利文献机器翻译质量评价手册》的多人人工评估，重点分析专业术语的翻译，以期提高专利机器翻译的质量和效率。

1 研究设计

1.1 文本选择

本研究创建初始对照语料库，包含40件2020-

2024年间中国国家知识产权局电子通信领域专利文本的200句（180句非长句，20句长句，长句定义为70字以上3）中文原文、参考译文及机器译文。参考译文源自日本特许局官方文件及人工翻译校对，机器译文均于2024年7月31日输出。

1.2 机器选择

本研究选取NMT与GAI的机器代表：Google翻译、文心一言（4.0)和ChatGPT（4.0）（以下简称文心一言、ChatGPT）。Google 翻译自2016年采用神经网络技术后成为主流NMT系统，而文心一言和ChatGPT作为大规模语言模型的杰出典范，可实现多语种文本转换。三者翻译效果的异同及发展潜力值得探究。……