李文飞

随着全球化进程的加速和国际交流的日益密切,传统人工翻译方式已无法满足迅猛增长的翻译需求[1]。机器翻译的主要目的是消除语言障碍[2]，神经网络翻译技术的问世使得机器翻译的质量大幅度提升[3]。本文聚焦于基于B/S架构的离线翻译系统设计，旨在突破在线翻译对网络的依赖，提升翻译的自主性与安全性。该系统涵盖多维度功能，在数据管理方面，构建了安全高效的数据上传通道与基于角色访问控制的权限管理机制，确保数据传输与使用的规范有序。在邮件翻译功能上，借助专业邮件解析库，精准解析EML数据及附件，运用开源神经网络翻译引擎实现高效翻译，并以分屏比对呈现翻译结果。文档翻译针对Office文档与PDF数据，通过对应解析库提取内容，利用翻译引擎API进行翻译，提供分屏比对与逐句比对的展示，方便用户对照审阅。图片翻译运用先进OCR技术识别文字，经神经网络翻译后重新渲染图片，以原图与译图分屏对比展示翻译成果。在系统设置中，用户可灵活配置离线翻译引擎参数。实验表明，该系统在离线环境下展现出较高的翻译速度与稳定性，满足了用户多样化的翻译需求，具有重要的实用价值与应用前景。

离线翻译系统；B/S架构；数据解析；多语言翻译

[1] 戴光荣,刘思圻.神经网络机器翻译:进展与挑战[J].外语教学,2023,44(01):82-89. [2] 宋纯花.基于人工智能的深度神经网络优化英语机器翻译[J].现代电子技术,2024,47(03):80-84. [3] 李奉栖.基于神经网络的在线机器翻译系统英汉互译质量对比研究[J].上海翻译,2021(04):46-52. [4] 许盛伟,田宇,邓烨,刘昌赫,刘家兴.基于角色和属性的零信任访问控制模型研究[J].信息安全研究,2024,10(03):241-247. [5] 金建栋,黄正,胡占宇,邹远鑫,秦辉东,赖清楠,杨加,周昌令.基于智能体工作流的高级钓鱼邮件检测方法[J].通信学报,2024,45(S2):59-68. [6] 李畅,龙春,赵静,杨悦,王跃达,潘庆峰,叶晓虎,吴铁军,唐宁.基于半监督学习的邮件伪装攻击检测方法[J].数据与计算发展前沿(中英文),2024,6(02):56-66. [7] 钱家骏,肖维青,李彦,项霞.神经网络机器翻译错误类型对译者注意资源分配的影响——来自眼动追踪的证据[J].外语教学与研究,2022,54(05):750-761+800-801.

点击下载PDF