和有道翻译质量对比——以商务英语文本英译中为例

admin管理员组

文章数量:1530917

2024年5月10日发(作者：)

百度和有道翻译质量对比——以商务英

语文本英译中为例

摘要：百度和有道推出的在线机器翻译系统是国内当前两大主流机器翻译平

台，各有千秋，现已广泛应用于人们的日常生活乃至翻译行业当中。为探讨这两

个平台的翻译质量孰优孰劣，该文从商务英语中的信函和法律文本两方面，分别

从内容完整性、准确性、逻辑性、用语规范性及译文字数等角度，对这两个平台

提供的译文进行对比分析并得出结论：在商务英语本文的句子翻译中，相较于百

度翻译，有道翻译在遣词造句及风格还原上更胜一筹。

关键词：机器翻译；有道；百度；商务英语；译文质量

中图分类号：G355

引言

在经济全球化日益加深的今天，跨语言沟通对身处世界各地的人来说都变得

愈发重要。而另一方面，语言障碍已成为社会发展的重要瓶颈。在人类不断探索

清除语言障碍，重建“巴别塔”的进程中，曾有人提出使用人类通用语

（Linguafranca）来替代各种不同语言的想法。而事实上，这样的想法似乎难以

实现。为了扫除语言障碍，人类已另辟蹊径，依靠科技的力量，提出机器翻译的

概念。如今，机器翻译在跨语言交流活动中扮演着日益重要的角色。

1 机器翻译

1.1 机器翻译的概念

机器翻译（Machine Translation, MT）属于计算语言学的一个分支，它是

指在有或无人工辅助的情况下能将文本从一种语言自动翻译成另一种语言的计算

机系统，

[1][2]

其有别于帮助译者准确、快速工作，依靠术语数据库和翻译记忆的

计算机辅助翻译（Computer Aided Translation, CAT）

[3]

。作为一门交叉学科，

机器翻译融合了计算机科学、信息学、语言学、统计学等多个学科，具有多学科

研究视角和跨学科研究价值

[4]

。

1.2 机器翻译的发展与现状

机器翻译这一概念始于1947年

[3]

，其发展主要经历了三个阶段，即从规则驱

动，到统计驱动，再到神经网络驱动的发展进程

[5]

。第一阶段：基于规则的机器

翻译（Rule-based Machine Translation, RMT），其高度依赖于规则库与语料

库的建构，在20世纪90年代前主导着机器翻译发展研究方向

[6]

；第二阶段：统

计机器翻译（Statistical Machine Translation, SMT），在这一阶段，语料库

的读取集中于模型建构的前端而非处理翻译任务的过程，因为双语文本的转换基

于统计概率而非对语料库的机械依赖

[7]

；第三阶段：神经网络机器翻译（Neural

Machine Translation, NMT），始于2014年谷歌与蒙特利尔大学成功搭建首个

神经网络翻译模型，其通过算法模拟搭建人类大脑中的神经元结构，依靠计算机

按照“编码—解码”模式实现从源语到目标语的生成过程

[8]

。

机器翻译自问世以来，历经七十余年发展，现已取得巨大进步，谷歌、百度、

搜狗、微软必应、腾讯、科大讯飞、网易有道等多家互联网公司纷纷上线自己的

在线机器翻译平台。目前，百度在线机器翻译系统支持全球200多个语言互译；

有道翻译是网易公司开发的在线机器翻译系统，其最大特色在于翻译引擎基于搜

索引擎和网络释义，即所提供的释义均来自网络。

2 商务英语文本特点

商务英语是指在国际商务活动中使用的具有特定形式的英语

[9]

。商务英语文

本特点主要体现在词汇、句法和语篇上。商务英语词汇具有专业性。商务英语语

言由日常用语和专业用语两部分组成

[10]

。由于商务英语涉及的领域较广，如贸易、

经济、法律等，因此商务英语的专业术语较多，如counter-offer（还盘）、

insurance policy（保险单）、L/C（信用证）、CIF（到岸价）等。商务英语句

法整体上呈现出两种截然不同的文体特征。一方面，商务英语日趋口语化、简单

化；而另一方面，一些文本，如商务合同、招投标书等，又具有语言严谨、准确

的特征。商务英语语篇则兼具完整、正确、简洁、清晰、礼貌和体谅等特点

[10]

。

3 机器翻译译文对比分析

鉴于篇幅有限，文本仅从商务信函和商务法律文献两方面进行探讨。下文例

子均选自潘红主编的《商务英语英汉翻译教程》，文本先采用百度翻译和有道翻

译对英文原句进行机译，并以教材译文为基准，从内容是否完整准确、是否具有

逻辑、语言是否流畅规范以及译文字数（含标点）这几个角度对机翻译文质量进

行对比。

3.1 商务信函句子翻译质量对比

下文译例选自教材第十一章（商务信函的翻译），商务信函用语注重商务沟

通，用语简洁礼貌。

例1：

教材原文：Because of their low price and the small profit margin

we are working on, we will not be offering any trade discount on this

consignment.

教材译文：鉴于本批商品价格低廉，利润微薄，本公司抱歉无法给予任何折

扣。（30字）

百度译文：由于他们的价格低，我们正在努力的利润率小，我们不会对这批

货物提供任何贸易折扣。（39字）

有道译文：由于他们的价格低，利润空间小，我们将不提供任何贸易折扣的

寄售。（31字）

从整体上看，这两句机翻译文的内容都较为完整，较符合汉语逻辑，行文也

比较流畅，原文的大体意思都能传达出来。但是从细节上看，百度偏向逐词翻译，

且直译痕迹非常明显，比如原文中的“the small profit margin we are

working on”，百度译为“我们正在努力的利润率小”，“努力”利润率，这种

搭配都不符合汉语规范。反观有道的译文“利润空间小”，这与教材译文“利润

微薄”极为贴近。但总体上看，这两句译文都偏口语化，与教材译文的简洁风格

不符。另外从字数上看，百度的译文比教材译文多出10字左右，而有道译文与

教材译文字数仅差1字。

3.2 商务法律文献句子翻译质量对比

下文译例选自教材第十三章（商务法律文献的翻译），商务法律文献强调用

词严谨规范，突出专业性和权威性。

例2：

教材原文：The Party in breach shall have thirty (30) days from

receipt of a notice from the other Party specifying the breach to

correct such breach if it is remediable.

教材译文：违约方应在收到另一方指明其违约行为的通知后三十（30）日内，

纠正其违约行为（若该违约行为是可以纠正的）。（51字）

百度译文：违约方应在收到另一方发出的说明违约的通知后三十（30）天内

纠正可补救的违约行为。（39字）

有道译文：违约方应在收到另一方指明违约行为的通知后三十(30)天内纠正

该违约行为，如果该违约行为是可以纠正的。（47字）

与上例类似，两个机器译文的内容都较为完整，大体意思都做到了贴近原文。

在该例中，两个机器译文的逻辑也比较流畅，符合原文逻辑。从句子结构上看，

有道翻译与教材译文非常一致，都将“if it is remediable”作为补语放在句

末。在用词上，两个机翻译文都将“thirty (30) days”译为“三十（30）天”，

显得不够正式。在法律文体中一般采用“三十（30）日”这样的表达，类似的表

达还有calendar day（日历日）、business day（营业日）等等。从字数来看，

有道译文字数仍然与教材译文相差不大，而百度译文却比教材译文少了10字左

右。

4 结语

经过上述对比分析，结论如下：从翻译质量来看，不论是百度还是有道，其

提供的译文均能做到句意完整，译文与原文意思出入不大。总体而言，上述两款

机器翻译平台提供的译文都比较口语化，与商务信函和法律文本的风格不符。但

让人眼前一亮的是，相较百度翻译而言，有道翻译不论是在风格、遣词造句，还

是在字数上更加贴近教材译文。也就是说，在处理商务英语文本上，基于搜索引

擎和网络释义的有道翻译可能会更具优势且表现更好。

由于篇幅和精力所限，本文仅分析了两个代表性例子，无法做到面面俱到，

存在一定局限性，但得出的结论仍然具有一定可信度。虽然机器翻译的质量仍无

法与水平较高的人工翻译相媲美，需要经过人工审校才能达到忠实和通顺的要求，

但是相信随着技术的深入发展，人工智能和大数据技术必将再次赋能机器翻译，

让机器翻译的质量得到大幅提升，从而为跨语言沟通和交流做出更大贡献。

参考文献：

[1] Hutchins W J. Machine translation: A brief history[M]. Concise

history of the language sciences. Pergamon, 1995: 431-445.

[2] Garg A, Agarwal M. Machine translation: a literature review[J].

arXiv preprint arXiv:1901.01122, 2018.

[3] Craciunescu O, Gerding-Salas C, Stringer-O’Keeffe S. Machine

Translation and Computer-Assisted Translation: a New Way of

Translating?[J]. Translation Journal, 2004.

[4] 黎亚飞,张瑞华.机器翻译发展与现状[J].中国轻工教育,2019(05):38-

45.

[5] 尹锋林,赵旖鑫.挑战与应对：机器翻译的发展与翻译权行使的未来[J].

科技与法律(中英文),2021(03):45-54.

[6] 侯强,侯瑞丽.机器翻译方法研究与发展综述[J].计算机工程与应

用,2019,55(10):30-66.

[7] 斯介生,宋大我,李扬.大数据背景下的谷歌翻译——现状与挑战[J].统

计研究,2016,33(5):109-112.

[8] 刘洋.神经机器翻译前沿进展[J].计算机研究与发展,2017,54(6):1144-

1149.

[9] 冯蕾.商务英语语言特点及其翻译原则探讨[J].海外英语,2021(12):92-

93.

[10] 潘红. 商务英语英汉翻译教程[M]. 1. 北京:中国商务出版社, 2004.

作者简介：贾硕（1990—），男，汉族，四川省广元市苍溪县人，硕士研究

生在读，研究方向：英语口译，单位：四川大学外国语学院。

本文标签： 翻译译文商务商务英语发展