Resumen

En este trabajo se utiliza el modelo de red neuronal caótica de análisis de big data para realizar un análisis e investigación en profundidad de la traducción al inglés. En primer lugar, bajo la guía de la estrategia de traducción de la teoría del tipo de texto, la traducción generada por el sistema de traducción automática se edita después de la traducción, y luego se invita a profesionales especializados en informática y traducción a confirmar la traducción. A continuación, se clasifican los errores de las traducciones generadas por el sistema de traducción automática basándose en el marco de clasificación del tipo de error Double Quantum Filter-Muttahida Quami Movement (DQF-MQM). Debido a las características del texto fuente como texto académico informativo, las oraciones largas y difíciles, la voz pasiva y la traducción terminológica son las principales causas de los errores de traducción automática. Teniendo en cuenta la lógica rigurosa del texto fuente y los pasos lingüísticos fijos, esta investigación propone las correspondientes estrategias de edición postraducción para cada tipo de error. Se sugiere que los traductores mantengan la lógica del texto de partida convirtiendo las conexiones implícitas en explícitas, que mantengan la precisión académica del texto de partida añadiendo sujetos y ajustando el orden de las palabras para hacer frente a la voz pasiva, y que traten los términos semitécnicos seleccionando adecuadamente los significados de las palabras en la postedición. Se clasifican sistemáticamente los errores de traducción automática en los resúmenes de textos de informática y tecnología, y se proponen las correspondientes estrategias de edición postraducción para proporcionar sugerencias de referencia a los traductores de este campo, con el fin de mejorar la calidad de la traducción automática en este ámbito.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:texto fuente, sistema de traducción automática, estrategia de edición de la traducción, voz pasiva, traducción automática, calidad de la máquina, modelo de red neuronal, traducción, causa de la máquina, teoría del tipo de texto
• Keywords:source text, machine translation system, translation editing strategy, passive voice, machine translation, quality of machine, neural network model, translation, cause of machine, text type theory