近年来,得益于计算机科学、信息技术、自然语言处理和人工智能突飞猛进的发展,学术界和产业界关于机器翻译的研究不断增加.学界迫切需要对该领域进行全面而深入的挖掘,揭示其随着时间推移所取得的进展和未来趋势.本研究运用CiteSpace工具,对1958年1月至2022年10月Web of Science核心数据库中收录的2295篇文章进行文献计量学分析,展现了机器翻译研究在时间上的分布情况,揭示了四个主要的研究主题:基于实例的机器翻译、统计机器翻译、神经机器翻译以及机器翻译应用.自2019年以来,神经机器翻译已取代统计机器翻译,成为占据主导地位的研究话题.研究结果还呈现了研究热点的三个演变阶段:1992-2011年基于实例的机器翻译,2013-2019年跨语言信息检索、统计机器翻译、信息、领域适应和翻译技术,以及2020年至今的任务分析、神经网络、神经机器翻译、情感分析和人工智能.这些发现有助于研究人员掌握机器翻译研究的知识结构和发展趋势,并为学术界和语言服务行业提供新的见解.
NETL
NSTL
万方数据
