摘要
近年来，随着神经网络机器翻译的快速发展，机器翻译广泛应用于翻译行业，并得到了客户的认可。机器翻译的优势不言而喻，其翻译速度让人工翻译望尘莫及。然而，机器翻译的缺陷也很明显，其准确度仍然无法与人工翻译相比。译后编辑的介入，可以在保留机器翻译速度优势的同时，提高译本的准确性。因此，机器翻译与译后编辑相结合的模式受到行业青睐。基于MT+PE翻译模式下的政经类文本翻译实践，本报告旨在探讨该类报告机器翻译时常见的错误，并基于莱斯的文本类型理论提出相应的译后编辑策略。 本次翻译实践的英语文本源自《2020年APEC经济政策报告：关于结构改革与妇女赋权》的第一章内容,总字数约为一万两千字。英文原文长句多，术语和缩略语丰富，句子结构复杂。笔者选取该翻译材料的一部分内容，应用百度翻译，有道翻译以及谷歌翻译三大在线翻译软件进行试译，最终选取试译效果最佳的百度翻译作为此次机器翻译软件。 笔者发现，百度翻译的错误主要集中在词汇、句法、语篇三个层面。词汇错误主要有错译，漏译，欠译和过译；句法错误主要有错译，漏译和词序不当；语篇错误主要有格式不一致，冗余和缺乏连贯性。通过对机器翻译产生的错误类型进行数据分析，笔者发现词汇层面的错误远多于句法和语篇层面的错误，常见的错误类型有错译，词序不当和欠译。笔者认为在译后编辑的过程当中，将机器翻译的结果和原文的真实涵义进行仔细对比，充分发挥“词义转换、句子结构重组、增补及删减”等翻译策略可以较好地应对机器翻译产生的常见性错误。
NETL