基于人机交互和特征提取的英汉翻译系统研究
基于语言模型的人机交互式机器翻译方法研究
基于语言模型的人机交互式机器翻译方法研究摘要：机器翻译（Machine Translation, MT）作为自然语言处理领域中的重要研究方向，一直以来都备受关注。
近年来，随着深度学习技术的发展，基于神经网络的机器翻译方法逐渐成为研究的热点。
本文针对机器翻译中的一个关键问题——人机交互，提出了一种基于语言模型的人机交互式机器翻译方法，并对该方法进行详细的研究和分析。
1. 引言机器翻译是将一种语言的自然语言表达转化为另一种语言的自动化过程。
传统的机器翻译方法主要基于统计机器翻译（Statistical Machine Translation, SMT），该方法利用大规模的双语平行语料来进行翻译。
然而，SMT方法存在模型复杂度高、泛化能力差等问题。
近年来，基于神经网络的机器翻译方法得到了广泛关注，其利用神经网络模型将输入的句子映射到输出的句子，实现了更好的翻译效果。
2. 相关工作在人机交互式机器翻译领域，研究者们提出了不少方法来改善翻译的交互体验。
有些方法通过引入用户反馈信息，如编辑、评分等，来改进机器翻译结果。
还有一些方法将用户的先验知识（比如语法规则、词典）融入到翻译过程中，以提高翻译的准确性。
3. 方法介绍本文提出的基于语言模型的人机交互式机器翻译方法的核心思想是根据用户的交互行为来更新机器翻译模型的语言模型部分，以使模型更好地适应用户需求。
具体来说，本方法将用户提供的反馈信息作为训练数据，用于调整翻译模型的参数。
3.1 语言模型更新在每次用户交互后，本方法会将用户的反馈信息与原始句子进行比对，然后提取出不同的部分作为新增的训练样本。
这样，可以通过不断地迭代更新，逐步提高模型的翻译准确率。
为了保证模型更新的有效性，本方法还会根据更新的数据进行重新训练，并重新评估模型的性能。
3.2 迭代优化为了提高人机交互的效率，本方法引入了迭代优化策略。
具体来说，每次用户交互后，本方法会根据用户提供的反馈信息，生成该句子的多个翻译候选，并根据用户的选择或反馈进行排序，选择用户最满意的翻译结果作为输出。
人机交互论文中英对照
An Agenda for Human-Computer Interaction Research:Interaction Styles INTRODUCTIONThe bottleneck in improving the usefulness of interactive systems increasingly lies not in performing the processing task itself but in communicating requests and results between the system and its user. The best leverage for progress in this area therefore now lies at the user interface, rather than the system internals. Faster, more natural, and more convenient means for users and computers to exchange information are needed. On the user's side, interactive system technology is constrained by the nature of human communication organs and abilities; on the computer side, it is con- strained only by input/output devices and methods that we can invent. The challenge before us is to design new devices and types of dialogues that better fit and exploit the communication-relevant characteristics of humans.The problem of human-computer interaction can be viewed as two powerful information processors (human and computer) attempting to communicate with each other via a narrow-bandwidth, highly constrained interface . Research in this area attempts to increase the useful bandwidth across that interface. Faster, more natural––and particularly less sequential, more parallel––modes of user-computer communication will help remove this bottleneck.一项研究议程人机交互：交互方式简介日益改善的障碍交互系统的有用性在于在执行请求不予处理任务本身，而是在沟通和结果之间的系统和它的用户。
人机交互式机器翻译中的实时翻译技术
人机交互式机器翻译中的实时翻译技术人类社会进入了信息时代，人们之间的交流和合作变得更加频繁和紧密。
在这样一个信息爆炸的时代，语言障碍成为人们沟通的主要障碍之一。
人机交互式机器翻译技术的出现，为解决语言障碍提供了全新的解决方案。
一、实时翻译技术的发展历程为了更好地了解，我们需要先了解实时翻译技术的发展历程。
实时翻译技术起源于二战期间，当时美国军方急需翻译大量外语情报，于是开始研制机器翻译系统。
经过多年的发展，实时翻译技术逐渐走向成熟，现在已经被广泛应用于商业、教育、旅游等领域。
二、实时翻译技术的原理及特点实时翻译技术是指通过计算机软件实现瞬时的语言翻译，使得不同语言的人们能够实时交流。
实时翻译技术的原理主要包括语音识别、机器翻译、语音合成等技术。
其特点包括快速、准确、便捷等，能够大大提高人们之间的沟通效率。
三、实时翻译技术在不同领域的应用实时翻译技术在不同领域有着广泛的应用。
在商业领域，实时翻译技术可以帮助企业打破语言障碍，拓展国际市场；在教育领域，实时翻译技术可以帮助学生跨越语言障碍，实现跨文化交流；在旅游领域，实时翻译技术可以帮助游客更好地融入当地文化，享受旅行的乐趣。
四、实时翻译技术的发展趋势随着全球化的深入发展，实时翻译技术的应用范围和需求也在不断扩大。
未来，实时翻译技术将会更加智能化、个性化，能够根据用户需求提供定制化的翻译服务。
同时，实时翻译技术还将会结合人工智能、大数据等前沿技术，为人类带来更便捷、高效的沟通体验。
五、实时翻译技术的挑战与机遇虽然实时翻译技术在快速发展，但也面临着诸多挑战。
比如语言的多样性、文化的差异等都会影响翻译的准确性；同时，隐私保护、信息安全等问题也需要引起重视。
然而，随着技术的不断进步和完善，实时翻译技术有着巨大的发展机遇，能够为人们创造更加多元化和包容性的沟通环境。
六、结语让我们总结一下本文的重点，我们可以发现，人机交互式机器翻译中的实时翻译技术是一项极具潜力和前景的技术，将对人类社会的发展产生深远影响。
人机交互式机器翻译中的特征选择算法研究
人机交互式机器翻译中的特征选择算法研究人机交互式机器翻译是当前人工智能领域的一个热门研究方向，其在实现跨语言沟通和信息获取方面具有重要意义。
在机器翻译领域中，特征选择算法是至关重要的一环，它可以帮助机器翻译系统从大量的特征中选择出最相关和有效的特征，从而提高翻译质量和效率。
本文将探讨人机交互式机器翻译中的特征选择算法，并结合实例展示其在提升翻译性能方面的重要作用。
首先，我们需要了解什么是特征选择算法。
特征选择是指在机器学习和数据挖掘中，从原始特征集中选择出子集的过程，这些子集包含了最相关的特征，而剔除了无关紧要的特征。
在机器翻译中，特征选择算法的作用就是从大量的语言特征中选取对于翻译任务最具有辨识力和影响力的特征，从而提高翻译准确率和流畅度。
特征选择算法可以帮助机器翻译系统减少计算复杂度，提高运行效率，同时避免过拟合和噪声干扰的问题。
在人机交互式机器翻译中，特征选择算法的重要性不言而喻。
用户与机器之间的交互可以提供宝贵的信息，帮助系统更好地理解用户意图和语境，因此在特征选择中融入人机交互的元素，可以进一步提升翻译系统的性能。
通过分析用户输入和反馈信息，特征选择算法可以自动调整特征权重，优化翻译结果，实现更加智能化和个性化的翻译体验。
在实际应用中，特征选择算法需要考虑的因素有很多，比如特征的相关性、稳定性、冗余性、计算复杂度等。
当前主流的特征选择算法包括过滤式、包裹式和嵌入式方法，它们分别从不同角度对特征进行评估和选择。
在人机交互式机器翻译中，特征选择算法还需要考虑用户反馈信息的实时性和准确性，以及用户习惯和偏好的个性化特点。
除了常规的特征选择算法，近年来还涌现出许多基于深度学习的特征选择方法，如卷积神经网络、循环神经网络等。
这些方法可以利用神经网络强大的特征提取能力，自动学习和筛选最具信息量的特征，从而进一步提升翻译系统的性能。
与传统的特征选择算法相比，基于深度学习的方法在处理复杂、大规模数据集时表现更为出色，可以有效地解决高维特征选择和非线性特征提取的难题。
面向人机交互的机器翻译技术研究
面向人机交互的机器翻译技术研究近年来，随着全球化的不断深入，跨国交流与合作变得越来越频繁。
而在跨国交流中，语言的障碍一直是一个被人们无法回避的问题。
为了解决这一问题，人们不断进取，开发出了机器翻译技术，尝试利用计算机技术来突破语言障碍。
本文旨在探讨面向人机交互的机器翻译技术的研究。
一、机器翻译技术的发展概况早在二十世纪初期，机器翻译就已经开始了它的探索历程。
自然语言是人类独有的表达语言，但人们想要将其转化为计算机能够理解的语言却面临着巨大的难题。
由于语言的复杂性和多义性，早期的机器翻译研究经常面临着翻译不准确、语义混乱等问题。
随着计算机技术的不断进步，机器翻译技术也得到了长足的发展。
自20世纪90年代以来，机器翻译技术的发展突飞猛进，主要体现在以下几个层面：1.数据驱动型机器翻译技术的出现随着互联网的发展，大量的多语言文本被不断地产生和积累，这为机器翻译技术的发展提供了丰富的语料数据。
以往的机器翻译技术主要借助规则型翻译系统进行翻译，但是这种方式需要大量的人力和财力投入。
所以，随着数据驱动型机器翻译技术的出现，翻译效果得到了很大的提升。
2.神经网络机器翻译技术的应用神经网络机器翻译技术是近年来受到广泛关注的一种机器翻译技术。
它通过深度学习技术，将语言的学习过程转化为神经网络的训练过程，从而让机器学会从语料库中学习翻译原理。
相比其它机器翻译技术，神经网络机器翻译技术能够更准确地翻译语言，其翻译质量在一定范围内已经能够与人工翻译相媲美。
3.面向人机交互的机器翻译技术的发展机器翻译技术最初在实际应用中存在翻译不准确、语言不连贯等问题，难以满足人们的实际需求。
但是随着面向人机交互的机器翻译技术的不断发展，这些问题得以得到缓解。
二、人机交互的机器翻译技术的意义人机交互的机器翻译技术是最近几年机器翻译技术领域的一个热点方向。
它强调人与机器之间的交互，尤其注重用户体验。
面向人机交互的机器翻译技术已经发展出了许多应用，例如语音翻译、手写输入翻译等等。
人机双智能融合的机器翻译系统研究
人机双智能融合的机器翻译系统研究随着全球化的加速发展和信息技术的日益成熟，机器翻译系统的重要性不断凸显。
传统的基于规则的机器翻译系统往往存在翻译精度低、覆盖范围窄以及不适应语言变化等问题。
为了克服这些挑战，人机双智能融合的机器翻译系统应运而生。
该系统借助人工智能和机器智能的相互协作，提升机器翻译的质量和效率，实现更加准确和流畅的翻译。
人工智能（AI）和机器智能（MI）在机器翻译领域的融合，为翻译技术的改进提供了新的思路。
AI技术可以通过机器学习和深度学习等算法，自动提取并处理大量的翻译语料库，从而提高翻译的准确性。
MI技术则依靠人类翻译专家的经验和判断力，辅助机器翻译系统进行后处理和润色，使翻译结果更符合人类语言习惯。
在实现人机双智能融合的机器翻译系统的过程中，几个关键问题需要得到解决。
首先，翻译质量是核心关注点之一。
为了提高翻译的准确性，可以通过增加训练数据集的规模、改善神经网络结构和加强语言模型等方式来优化系统。
此外，多语言间的对齐和转换也是一个重要问题，通过构建跨语言的语义表示模型，可以实现多语言之间的转换和翻译。
其次，双智能的协同工作也是该系统的关键。
人工智能和机器智能应具有良好的互补性，以实现协同效应。
具体而言，AI技术可以自动处理大量的句子和篇章，提高翻译效率；而MI技术则可以对机器翻译的结果进行准确性评估和修正，提高翻译的质量。
这种双智能的协同工作可以通过深度强化学习等算法来实现。
此外，人机双智能融合的机器翻译系统还需要考虑用户体验和人机交互性。
系统应该能够实现用户友好的界面设计和智能交互功能，使用户能够轻松地使用系统进行翻译工作。
同时，系统也应该能够根据用户的使用情况和反馈信息，不断学习和改进，以提供个性化的翻译服务。
人机双智能融合的机器翻译系统在实际应用中有广泛的应用前景。
首先，它可以用于各种跨语言的交流和合作中，促进不同国家和地区之间的沟通和理解。
其次，该系统可以用于在线平台和社交媒体等领域，为用户提供实时的多语言翻译服务。
基于人机交互的语音翻译系统研究与应用
基于人机交互的语音翻译系统研究与应用概述：随着全球化的不断发展和信息技术的进步，语言交流的需求变得日益重要。
语音翻译技术作为一种重要的人机交互方式，正在逐渐成为现实生活中的必备工具。
本文将探讨基于人机交互的语音翻译系统的研究与应用，并介绍其在不同领域的应用案例。
一、语音翻译技术的发展与挑战随着语音识别、自然语言处理和机器翻译等领域的进步，语音翻译技术取得了长足的发展。
然而，语音翻译技术依然面临一些挑战，如语言差异、语音识别的准确性、上下文理解等问题。
同时，不同领域的语音翻译系统也需要根据实际需求进行定制化开发，以提供更加准确和流畅的翻译体验。
二、基于人机交互的语音翻译系统的研究1. 语言模型与语音识别技术的优化基于人机交互的语音翻译系统的研究首要任务是提高语音识别的准确性和自然度。
语言模型的优化可以增强机器对语音的理解和表达能力，提高翻译的准确性。
而语音识别技术的优化则可以提高系统对用户语音输入的理解能力，进一步提升翻译效果。
2. 上下文理解与场景识别技术的应用语音翻译系统需要考虑上下文信息和用户场景来提供更加精准的翻译服务。
通过深度学习等技术，系统可以模拟人类对上下文信息的理解，从而更好地理解用户的意图，并生成更加合理的翻译结果。
此外，场景识别技术的应用可以进一步优化翻译系统的性能，如在噪声环境下提供更好的翻译效果等。
3. 用户交互界面的设计与优化用户交互界面是基于人机交互的语音翻译系统中的重要组成部分。
合理的用户交互界面设计可以提高系统的易用性和用户体验。
例如，引入实时反馈机制可以帮助用户及时发现并纠正输入错误，提供合适的提示信息也可以帮助用户更好地使用系统。
三、基于人机交互的语音翻译系统的应用案例1. 旅游领域基于人机交互的语音翻译系统在旅游领域具有广泛的应用前景。
游客可以通过语音输入需要翻译的内容，系统将实时解析游客的语音信息，提供准确的翻译结果。
这将为游客提供便捷的语言交流工具，改善沟通困难的问题，使他们能够更好地享受旅游过程。
人机交互式机器翻译中的多语种翻译技术
人机交互式机器翻译中的多语种翻译技术人机交互式机器翻译在当今信息时代发挥着越来越重要的作用，随着全球化进程的加速和各国之间交流的频繁，多语种翻译技术的需求也愈发突出。
在传统的机器翻译领域，多语种翻译技术一直是一个备受关注的研究方向。
多语种翻译技术作为人机交互式机器翻译的一个重要组成部分，旨在实现不同语言之间的无缝翻译，为跨语言交流提供便利。
通过在不同语言之间建立翻译桥梁，多语种翻译技术使得跨语言交流变得更加便捷和高效，有力地促进了全球信息的传播和交流。
在多语种翻译技术的研究中，一大挑战是如何处理多种语言之间的语法结构、句法规则和语义表达的差异。
不同语言之间存在着词序、语调、语气等多方面的不同，这就需要多语种翻译技术具备强大的语言分析和处理能力，能够准确理解源语言的含义并将其准确翻译成目标语言。
在这个过程中，涉及到了词义的消歧、句法结构的调整、逻辑推理等复杂的语言处理问题。
为了解决这些问题，研究人员提出了各种各样的方法和技术。
其中，基于统计机器翻译的方法是最为常见的一种。
这种方法通过建立大规模的双语语料库，利用统计模型来对源语言和目标语言之间的对应关系进行建模和学习，从而实现翻译。
虽然这种方法在一定程度上可以取得较好的效果，但也存在着词汇稀疏性、长距离依赖等问题，导致翻译质量不够理想。
为了克服统计机器翻译的局限性，近年来出现了许多基于神经网络的深度学习方法。
这些方法利用神经网络模型来学习源语言和目标语言之间的映射关系，通过端到端的训练来直接从源语言生成目标语言的翻译结果。
相比传统的统计机器翻译方法，基于神经网络的方法在词义消歧、长距离依赖等方面有了明显的改进，翻译效果也更加准确和流畅。
除了神经网络模型，还有一些其他的技术在多语种翻译中得到了广泛应用。
比如基于规则的机器翻译方法，它利用人工编制的规则来进行翻译，虽然需要大量的人力和时间来构建规则集，但在某些特定领域和语言对中表现出了很高的准确度。
另外，基于混合方法的翻译技术也逐渐受到关注，它将不同方法结合起来，利用各自的优势来提高翻译效果，取得了不错的成果。
人机交互式翻译的定义和研究方法
人机交互式翻译的定义和研究方法人机交互式翻译是指通过人机交互来实现两种或多种语言之间的翻译，充分结合人的智能和机器的高效性能，提高翻译质量和速度。
随着全球化的不断推进和各种语言之间的互动日益频繁，人机交互式翻译成为了一种重要的技术手段。
传统的机器翻译往往只注重语言的准确性，而忽略了上下文的语义信息，导致翻译结果不够准确和流畅。
而人机交互式翻译则充分发挥人类的语言能力和机器的计算能力，使翻译结果更加符合人的需求和期望。
在人机交互式翻译的研究中，可以采用以下几种方法和技术进行实现：1. 语料库研究方法：通过建立庞大的语料库来收集和整理各种语言之间的翻译对照数据，利用机器学习和自然语言处理技术来进行数据挖掘和分析。
这种方法可以帮助研究人员更好地理解各种语言之间的差异和规律，并根据这些规律来优化翻译系统的性能和效果。
2. 机器学习方法：通过机器学习算法来自动训练翻译模型，使之能够自动从语料库中学习和提取语言之间的映射关系。
这种方法可以大大提高翻译速度和准确度，同时可以根据用户反馈来不断优化和改进翻译系统。
3. 人机交互设计方法：通过人机交互设计来实现用户友好的翻译界面和交互方式，使用户能够方便地输入和编辑翻译文本，并通过实时的反馈和指导来帮助用户更好地理解和应用翻译结果。
这种方法注重用户的使用体验和需求，可以提高用户的满意度和忠诚度。
4. 结合机器翻译和人工校对方法：将机器翻译和人工校对相结合，实现人机协同翻译的效果。
机器翻译可以加快翻译速度和提高准确度，而人工校对可以进一步优化翻译结果，确保翻译质量。
这种方法结合了人和机器的优势，可以使翻译结果更加优秀。
人机交互式翻译的研究和应用领域广泛，包括在线翻译、语音翻译、文档翻译等。
在各个领域中，人机交互式翻译都可以为用户提供高质量的翻译服务，帮助用户更好地理解和沟通。
例如，在国际会议上，人机交互式翻译可以实时提供对讲者的翻译，使参与者能够更好地理解演讲内容。
《2024年变译理论下英汉交传人机口译比较研究》范文
《变译理论下英汉交传人机口译比较研究》篇一一、引言随着人工智能技术的飞速发展，人机口译逐渐成为翻译领域的重要研究方向。
本文以变译理论为指导，对英汉交传人机口译进行深入比较研究。
通过分析英汉交传的特点和机器口译的优势，以期揭示变译理论在人机口译中的应用效果和价值。
二、英汉交传特点分析英汉交传是指将英语口语信息转换为汉语，或将汉语口语信息转换为英语的过程。
其特点主要表现在以下几个方面：1. 实时性：要求口译员在短时间内准确理解、记忆并转换语言。
2. 语境依赖性：语言的理解和转换需结合具体语境进行。
3. 文化敏感性：涉及不同文化背景下的语言表达和习惯用法。
三、机器口译的优势与局限性机器口译借助人工智能技术，具有以下优势：1. 高效率：处理速度快，可实现实时翻译。
2. 准确性：通过大量语料库和算法，提高翻译准确性。
3. 存储与检索便捷性：便于保存和检索历史翻译记录。
然而，机器口译也存在一定局限性，如缺乏情感理解、文化差异处理等方面的能力。
四、变译理论下的英汉交传人机口译比较变译理论强调在翻译过程中根据实际需要进行灵活的翻译策略调整。
在英汉交传人机口译中，人与机器各有优势，具体比较如下：1. 翻译速度与准确性：机器口译在处理大量信息时具有明显优势，速度快且准确性较高。
而人工程师在某些复杂语境和情感理解方面具有优势。
2. 文化背景与语境理解：人在处理文化差异和语境理解时更具优势，能够根据具体情境进行灵活的翻译策略调整。
而机器口译在处理文化差异时可能存在局限性。
3. 交互性与情感理解：人在口译过程中可以与双方进行实时交互，更好地理解双方需求和情感。
而机器口译缺乏情感理解能力，可能无法准确捕捉并传达双方的情感信息。
五、结论与展望通过对比分析，我们可以得出以下结论：在英汉交传人机口译中，人与机器各有优势。
机器口译在处理大量信息、提高翻译速度和准确性方面具有明显优势，而人在处理文化差异、语境理解和情感交流方面更具优势。
人机交互式机器翻译中的多语种翻译技术
人机交互式机器翻译中的多语种翻译技术人机交互式机器翻译（Human-Machine Interactive Machine Translation）是一种结合人工智能技术和机器翻译技术的翻译模式，在多语种翻译技术方面具有广泛的应用前景。
多语种翻译技术可以帮助人们进行跨语言沟通，解决语言障碍，促进不同语种之间的交流和合作。
本文将详细介绍。
一、多语种翻译技术概述多语种翻译技术是指将一种语言的原文转化为另一种语言的译文的技术。
在传统的机器翻译中，主要使用统计机器翻译（Statistical Machine Translation，SMT）和神经网络机器翻译（Neural Machine Translation，NMT）等方法，通过大量的平行语料进行训练，从而实现自动化的翻译。
但由于不同语种之间存在着巨大的语言差异，传统的机器翻译模型在处理多语种翻译时效果并不理想。
因此，人机交互式机器翻译技术应运而生。
二、多语种翻译技术的挑战多语种翻译技术面临着以下几个挑战：1. 语言差异：不同语种之间存在着词汇、语法、语义等方面的差异，需要建立针对不同语种特点的翻译模型。
2. 数据稀缺：不同语种之间的平行语料数量不均衡，导致训练数据不足，在进行多语种翻译时容易出现译文不准确的情况。
3. 实时性要求：多语种翻译需要在交互过程中进行，需要准确、快速地进行翻译，以满足用户的实时需求。
三、多语种翻译技术的方法针对多语种翻译的挑战，研究者们提出了多种方法以改进翻译效果：1. 少资源翻译：对于数据稀缺的问题，少资源翻译技术采用迁移学习（Transfer Learning）和零资源学习（Zero-shot Learning）的方法，利用其他语种的平行语料进行训练，提升低资源语种的翻译效果。
2. 端到端翻译：传统的机器翻译模型通常分为编码器和解码器两个部分，而端到端翻译模型将其合并为一个模型，实现更加高效的翻译过程。
端到端翻译模型可以同时处理多种语言，并对于多语种输入输出实现统一的处理过程。
人机交互设计在翻译软件中的应用研究
人机交互设计在翻译软件中的应用研究随着全球化的深入，跨语言沟通变得愈发普遍和紧迫，而翻译软件正是满足这种需求的重要工具。
然而，好的翻译软件不仅要进行准确的语言转换，还需要考虑用户友好的人机交互界面，以提高用户的使用体验和效率。
因此，人机交互设计在翻译软件中的应用研究就显得十分重要。
一、翻译软件用户需求分析翻译软件的用户主要包括专业翻译人员、非翻译专业人员和部分语言学爱好者。
这些用户都希望使用一款简便易用、高效准确的翻译软件，使他们的工作和学习更加便利。
针对这些用户的需求，翻译软件应该具备以下特点：1. 方便快捷的翻译操作：用户在使用翻译软件时，需要进行各种语言的转换操作，因此软件的操作要简单方便，操作流程尽量简洁。
2. 准确率高的翻译结果：翻译软件的最终目的是为用户提供准确的翻译结果。
因此，在设计软件时，需要注重翻译算法的优化和自动化翻译质量的控制。
3. 个性化的定制功能：不同用户对于翻译软件的需求有所不同，因此翻译软件应该具备一定的个性化定制功能，让用户可以设置自己的翻译偏好和使用习惯。
二、人机交互设计在翻译软件中的具体应用1. 界面设计翻译软件的界面应该具有良好的可识别性和可操作性，以满足不同用户的使用需求。
一般来说，翻译软件的界面设计应该尽量简单直观、易于操作，且尽可能少的出现冗余信息。
同时，为了提高翻译软件的用户体验，还需要对界面的交互方式进行优化，例如为用户提供导航菜单和提示信息，让用户了解软件的各项功能和操作方法。
2. 翻译质量控制人机交互设计在翻译软件中的一个重要应用是翻译质量控制。
如何保证翻译结果的准确性和一致性是翻译软件设计的难点。
为了提高翻译质量，可以通过不断优化算法、加强语料库的管理和增加人为翻译的监督等方式来大力提升翻译软件的翻译质量。
3. 智能化搜索随着人工智能技术的不断发展，翻译软件在智能化搜索方面也有了更多的应用。
例如可以利用机器学习算法提高翻译软件的准确度，通过实时翻译改进算法的表现。
人机交互式翻译的定义和研究方法
人机交互式翻译的定义和研究方法人机交互式翻译是指通过人与计算机之间的联动，实现跨语言间的翻译和沟通。
在当今信息时代，随着全球化进程的不断加深和信息技术的飞速发展，人机交互式翻译越来越受到重视并广泛应用。
本文旨在探讨人机交互式翻译的定义、研究方法以及其在现代社会中的应用及未来发展方向。
首先将介绍人机交互式翻译的基本概念和意义，接着分析人机交互式翻译的研究方法，最后探讨人机交互式翻译在实际应用中的挑战和前景。
在全球化背景下，不同国家和地区之间的语言差异成为交流和合作的障碍。
人机交互式翻译的出现，为跨语言翻译提供了一种新的解决方案。
人机交互式翻译是指通过计算机技术实现语言翻译，并借助人类的智慧和经验进行辅助或更正，从而提高翻译的准确性和效率。
与传统的机器翻译相比，人机交互式翻译更注重人与计算机之间的互动和合作，旨在充分发挥各自的优势，实现更加精准和人性化的翻译效果。
在人机交互式翻译的研究方法方面，主要包括语言处理技术、人机交互设计和翻译评估等方面的方法。
语言处理技术是人机交互式翻译的核心，包括语言模型、文本分析、语义理解等技术的研究和应用。
人机交互设计是指如何设计一种用户友好的翻译系统，使用户能够轻松地与计算机进行交互和合作。
翻译评估是评判翻译效果和质量的重要方法，旨在提高翻译系统的性能和稳定性。
在人机交互式翻译的应用方面，主要涉及在线翻译平台、翻译工具和翻译服务等领域。
在线翻译平台如谷歌翻译、百度翻译等，提供了跨语言翻译的便捷和快速服务，使人们能够在不同语言之间自由交流和沟通。
翻译工具如CAT工具、术语库等，为翻译人员提供了专业的辅助工具，帮助他们提高翻译效率和质量。
翻译服务如在线翻译公司、专业翻译团队等，为企业和个人提供了高质量的翻译服务，促进了经济和文化交流的发展。
然而，人机交互式翻译在实际应用中仍面临一些挑战和问题。
首先，语言间的差异和语义的多义性是翻译过程中的主要障碍，如何准确地识别和解决这些问题仍是一个难点。
基于特征提取算法的交互式英汉翻译系统设计
基于特征提取算法的交互式英汉翻译系统设计余倩【摘要】In allusion to the problems that the optimal translation solution cannot be achieved during the process of optimal feature semantic selection and the translation accuracy is low due to unobvious context description during English translation pro-cess of the traditional interactive English-Chinese translation system,an interactive English-Chinese translation system based on feature extraction algorithm is designed. The feature extraction algorithm is introduced to select the optimal translation solution. The semantic mapping model is constructed to perform interactive and optimal translation for English-Chinese translation. The simulation experiment results show that the designed interactive English-Chinese translation system based on feature extraction al-gorithm can achieve the optimal solution translation.%针对传统交互式英语翻译系统进行英语翻译过程中英语语义语境不明显,最优特征语义选定过程中没有达到最优翻译解,且翻译准确度较低的问题,设计基于特征提取算法的交互式英汉翻译系统.通过引入特征提取算法进行最优翻译解的选取,构建语义映射模型对英汉翻译进行交互最优翻译.仿真实验结果表明,设计的基于特征提取算法的交互式英汉翻译系统能够得到最优解翻译.【期刊名称】《现代电子技术》【年(卷),期】2018(041)004【总页数】4页(P161-163,168)【关键词】特征提取;语义语境;交互式系统;英汉翻译;最优解;语义映射【作者】余倩【作者单位】昆明医科大学,云南昆明650500【正文语种】中文【中图分类】TN911-34;TN2730 引言在日常英语翻译过程中，通常使用交互式英语翻译系统进行英汉翻译，但传统交互式英语翻译系统在翻译特点语义以及语境提取过程中无最优特征语境选取，造成翻译的准确度不高。
基于人工智能的语言翻译系统
基于人工智能的语言翻译系统现代社会，人工智能技术的迅猛发展，为我们的生活带来了许多方便与便利。
其中一项重要的应用就是基于人工智能的语言翻译系统。
这项技术的出现，不仅为不同语言之间的沟通架起了一座桥梁，而且也深刻地改变了人们的生活方式。
人工智能的语言翻译系统，是利用计算机技术和人工智能算法实现的。
通过强大的计算能力和深度学习系统，该系统能够自动识别并翻译不同的语言，并将翻译的结果表达得准确并通顺。
这种基于人工智能的翻译系统，不受时间、空间的限制，可以随时随地帮助人们实现语言的交流。
这项技术的背后隐藏着复杂的学习和处理过程。
首先，翻译系统需要大量的语料库作为学习的基础。
通过对这些语料的分析和学习，系统可以建立起一个庞大的词汇库和语法模型，用以支持后续的翻译工作。
其次，系统根据这个模型，将输入的语言片段进行分析和理解。
通过这个过程，系统可以识别并捕捉到语言中的细微差别和含义，使得翻译结果更加准确。
最后，系统将经过处理和理解的语言片段，转化为目标语言的表达方式。
这一过程中，系统还会根据上下文和语境作出一定的判断和调整，以确保翻译结果通顺和适应读者。
基于人工智能的语言翻译系统带来了巨大的便利，使得语言交流不再受到限制。
人们可以轻松地与他人进行沟通，无论对方使用何种语言。
例如，在旅游中，当我们面临与当地居民交流的问题时，只需打开手机上的翻译应用，即可迅速翻译对方的语言，并用自己熟悉的语言进行回答。
这不仅极大地方便了人们的旅行，还促进了不同文化之间的交流与融合。
此外，在国际会议和商务合作中，人工智能的语言翻译系统也起到了关键的作用。
它能够帮助不同国家和地区的人们快速理解对方的发言并做出恰当的回应，大大提高了会议和合作的效率。
然而，这项技术仍然有一些局限。
目前的人工智能语言翻译系统对于复杂的句子结构和隐含含义的理解仍然存在一定的困难。
尽管系统已经在学习和改进中不断进步，但在某些特定场景下，翻译结果仍然可能存在一些偏差或不准确。
基于特征提取算法的交互式英汉翻译系统设计
基于特征提取算法的交互式英汉翻译系统设计作者：余倩来源：《现代电子技术》2018年第04期摘要：针对传统交互式英语翻译系统进行英语翻译过程中英语语义语境不明显，最优特征语义选定过程中没有达到最优翻译解，且翻译准确度较低的问题，设计基于特征提取算法的交互式英汉翻译系统。
通过引入特征提取算法进行最优翻译解的选取，构建语义映射模型对英汉翻译进行交互最优翻译。
仿真实验结果表明，设计的基于特征提取算法的交互式英汉翻译系统能够得到最优解翻译。
关键词：特征提取；语义语境；交互式系统；英汉翻译；最优解；语义映射中图分类号： TN911⁃34； TN273 文献标识码： A 文章编号： 1004⁃373X（2018）04⁃0161⁃03Abstract： In allusion to the problems that the optimal translation solution cannot be achieved during the process of optimal feature semantic selection and the translation accuracy is low due to unobvious context description during English translation process of the traditional interactive English⁃Chinese translation system， an interactive English⁃Chinese translation system based on feature extraction algorithm is designed. The feature extraction algorithm is introduced to select the optimal translation solution. The semantic mapping model is constructed to perform interactive and optimal translation for English⁃Chinese translation. The simulation experiment results show that the designed interactive English⁃Chinese translation system based on feature extraction algorithm can achieve the optimal solution translation.Keywords： feature extraction； semantic context； interactive system； English⁃Chinese translation； optimal solution； semantic mapping0 引言在日常英语翻译过程中，通常使用交互式英语翻译系统进行英汉翻译，但传统交互式英语翻译系统在翻译特点语义以及语境提取过程中无最优特征语境选取，造成翻译的准确度不高。
人机交互式机器翻译中的关键词提取技术
/h-nd-25.html?fromColId=104。
直至我发生的一次意外才让我幡然醒悟。父亲所谓的加班亦漏了马脚，一直蒙在鼓里的我心灵亦受到了一次前所未有的震荡与洗礼。记得那次放学我飞奔在那段黑漆漆的路上，因 骑得太急，太莽撞，一不小心车子的前轮撞在了路边的一块大石头上，前冲的惯力，霎间车子的重心失去了平衡，我随着车子的颠簸跳了起来，随着哎吆的一声，车带人一起摔滚 到路边的土坑里，待我爬起来，疼得抱着膝盖蹲在那里正沮丧地咒骂老天时，身后远远传来了父亲的声音：孩子，怎么回事？摔伤了没？父亲赶过来快速下车，把我慢慢扶了起来， 帮我掸去身上的杂草尘土，把他的外衣脱下来穿在我因惊又怕而瑟瑟发抖的身上，语气里带着疼惜，埋怨：你说你不小心点儿，骑那么快干嘛，害得我差点赶不上你！听完父亲的 话语，我惊愕地：爸，原来每晚你不是加班，是在暗地里护送我回家？虽在暗夜中望不到父亲的面容，但我深深感受到了父亲因追赶我累得已是气喘吁吁。我自责，难过，泪无声 地滑落。父亲帮我推着车子，我手扶定未睡，在等着我们！我顺着父亲指的方向望，整幢 楼都熄灯了，惟独我家那盏还发着淡淡柔和的亮光。顿然我膝盖的疼痛减缓了许多。回家后母亲果然未睡，正看着表，着急地在屋子里坐卧不安呢。那次我回家整比平时晚了20分 钟。女孩子家，骑车子怎么这样不小心，就那么一块大石头单让你给撞上了？母亲望着我痛苦的表情，边数落边心疼地、小心翼翼地为我清理了伤口并进行了包扎。原来我膝盖的
基于人工智能背景的英语笔译探索
基于人工智能背景的英语笔译探索1. 引言1.1 人工智能在翻译领域的应用人工智能在翻译领域的应用越来越广泛，其在提高翻译效率和质量方面发挥着重要作用。
通过深度学习和神经网络技术，人工智能可以更准确地理解和翻译不同语言之间的文本，实现高质量的翻译结果。
除了传统的机器翻译技术，人工智能还可以实现实时翻译、语音翻译和图像翻译等多种形式的翻译应用。
这些应用大大提高了翻译的效率和准确性，为人们在跨语言交流和文化交流方面提供了便利。
随着人工智能技术的不断进步，翻译领域也将迎来更多创新和发展，为全球化交流和合作带来新的机遇和挑战。
通过人工智能在翻译领域的应用，我们可以更加便捷地进行跨语言沟通，促进不同国家和民族之间的交流与合作，推动世界各地的文化交流和交流。
1.2 研究背景As the demand for high-quality translation services continues to grow in today's globalized world, the role of artificial intelligence in the field of translation has become increasingly important. With the advancement of technology, machine translation has made significant progress in recent years, offering faster and more accurate translations than ever before.2. 正文2.1 机器翻译技术的发展机器翻译技术的发展在过去几十年里取得了长足的进步，从最初的基于规则的翻译系统到如今主流的基于统计和神经网络的机器翻译技术。
早期的机器翻译系统通常基于规则和先前编写的语法规则，但由于语言的复杂性和变化性，这种方法往往效果不佳。
基于人工智能的语音识别与自动翻译系统设计
基于人工智能的语音识别与自动翻译系统设计语音识别与自动翻译技术是当今人工智能领域的重要研究方向之一。
本文将探讨基于人工智能的语音识别与自动翻译系统的设计，并介绍其在不同领域的应用。
首先，我们将从语音识别技术的角度入手。
基于人工智能的语音识别系统旨在将人类的语音信息转换为可被计算机理解和处理的文本数据。
该系统设计需要包括以下关键步骤：声音捕捉、特征提取、语音模型训练和解码。
声音捕捉是指通过麦克风等设备将人声转化为电信号。
特征提取则是对电信号进行分析，提取出有用的语音特征，如梅尔倒谱系数（MFCC）和短时能量等。
接下来，需要采用机器学习算法对这些特征进行模型训练。
常用的算法包括隐马尔可夫模型（HMM）和深度神经网络（DNN）等。
最后，在解码过程中，系统会将语音特征和模型进行匹配，从而得到最可能的文本结果。
接下来，我们将讨论自动翻译技术。
基于人工智能的自动翻译系统旨在将一种语言的文本转化为另一种语言的文本，从而实现语言之间的自动翻译过程。
该系统设计主要包括以下关键步骤：文本预处理、翻译模型训练和解码。
在文本预处理阶段，需要对待翻译文本进行分词、词性标注等处理，以准备后续的模型训练。
接下来，需要采用机器学习算法对经过预处理的文本进行模型训练。
常用的算法包括统计机器翻译（SMT）和神经网络机器翻译（NMT）等。
最后，在解码过程中，系统将对输入文本进行分析和翻译，得到最终的翻译结果。
基于人工智能的语音识别与自动翻译系统在很多领域都得到了广泛的应用。
其中，最为常见的领域之一是语音助手和智能音箱。
通过语音识别和自动翻译技术，用户可以通过语音指令来控制设备、查询信息和进行通信，提高了人机交互的便捷性。
此外，基于人工智能的语音识别与自动翻译系统在旅游、商务、教育等领域也起到了重要的作用。
例如，在旅游领域，该系统可以提供即时的语音翻译服务，帮助游客克服语言障碍，更好地融入当地文化。
然而，基于人工智能的语音识别与自动翻译系统还存在一些挑战和限制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于人机交互和特征提取的英汉翻译系统研究作者：吴晓丽来源：《微型电脑应用》2020年第04期摘要：;为了提高英汉翻译系统的翻译精度，提出一种基于人机交互和特征提取的英汉翻译系统模型。
首先，为了实现翻译特征语境特征的提取，通过特征提取算法提取语义翻译语境矩阵和非语义翻译语境矩阵;其次，为度量同一翻译环境下的两个语义向量之间的相似度，选择余弦相似度函数计算翻译相似度。
将翻译相似度引入英汉翻译系统模型，通过比较两个语义向量之间的翻译相似度实现英汉之间的翻译。
与SOA、SCA和SLA对比可知，基于人机交互和特征提取的英汉翻译具有更高的准确率、精确率和召回率，为英语翻译提供新的方法和途径。
关键词：;人机交互; 特征提取; 翻译系统; 相似度; 语义向量中图分类号： TM 933.4; ; ; 文献标志码： AStudy on English-Chinese Translation System Based on Human-Computer Interaction and Feature ExtractionWU Xiaoli（School of Humanities， Shangluo University， Shangluo， Shanxi 726000， China）Abstract：In order to improve the translation accuracy of English-Chinese translation system， combining feature extraction and human-computer interaction， an English-Chinese translation system model based on human-computer interaction and feature extraction is proposed. Firstly， in order to extract the context features of translation features， the semantic translation context matrix and non-semantic translation context matrix are extracted by feature extraction algorithm. Secondly， in order to measure the similarity between two semantic vectors in the same translation environment， the cosine similarity function is chosen to calculate the translation similarity. The translation similarity is introduced into the English and Chinese translation system model， and the translation similarity between the two semantic vectors is compared. Compared with SOA， SCA， and SLA， English-Chinese translation based on human-computer interaction and feature extraction has higher accuracy and recall rates， hence， it provides new methods and approaches for English translation.Key words：human-computer interaction; feature extraction; translation system; similarity; semantic vector0 引言隨着我国改革开放程度的加大和对外合作的程度进一步加深，跨国的文化交流、旅游和商务活动等日益频繁，然而语言不同给交流和沟通带来了极大不便。
随着计算机技术和机器学习技术的快速发展，机器翻译为解决语言不同沟通障碍问题提供了新的方法和途径[1]。
在机器翻译中，名词短语识别是机器翻译句法分析的基础，其识别的精度直接关系机器翻译结果的准确性和可靠性。
目前英语名词短语识别的方法有基于机器学习的识别方法、基于统计的识别方法以及基于规则的识别方法[2]。
基于规则的识别方法主要通过语料库自动获取或者专家编写，具有容易理解的优点，但是通用性差、费时而容易产生歧义;基于统计的方法将名词短语识别问题转化为相似词汇的标注问题，该方法具有简单灵活，且不依赖具体的语言模型，目前是较为流行的主流翻译算法;然而该方法基于大量样本数据，容易发生过拟合问题。
随着人工智能和机器学习方法的兴起，基于神经网络的名词短语识别方法被应用于英语名词短语识别，但是由于英语语法的规律较为复杂，因此英语名词短语识别准确率有待提高。
为提高英汉翻译系统的翻译精度，提出一种基于人机交互和特征提取的英汉翻译模型系统。
结合人机交互的整体定性认识和逻辑推理的能力[3]，将翻译相似度模型引入英汉翻译系统模型，通过计算同一语义空间下两个语义向量之间的翻译相似度实现英汉翻译结果的获取。
与SOA、SCA和SLA对比可知，基于人机交互和特征提取的英汉翻译具有更高的准确率Accuracy、精确率Precision和召回率Recall，为英语翻译提供新的方法和途径。
1 特征提取算法为实现特征语境的标准提取，通过特征提取算法将最佳语境的映射提取到翻译过程中[4]。
假设翻译过程中存在N个翻译语境，其中有K类语义翻译，翻译语境数量为Ni（i=1，2，…，K），K类语义翻译用概率为Xi={Xi1，Xi2，…， XiN}，i=1，2，…，K是一个定向n维向量集合。
通过限定过程能够达到基本标准翻译语境的翻译如式（1）所示。
其中，αi为能够到翻译语义翻译语境，最佳语境α选定过程如式（2）所示。
分别计算适合语义翻译语境矩阵SB和非语义翻译语境矩阵Sw[5]如式（3）所示。
假设λ为语义语境关联矩阵STwSB的最优语境，而f是衡量语义语境关联度的标准，则α的值直接能够反映关联过程的映射。
语义语境关联矩阵STwSB最多有K-1个最佳翻译语境，其提取的最优语境为R（R≤K-1）个，则最优语境下的特征语义可用β表示如式（4）所示。
2 翻译相似度模型所谓翻译相似度模型是指同一翻译环境下两个语义向量u和v的相似程度。
如果两个语义向量与的相似程度越高，则两个语义向量u和v的语义更加接近。
本文选择余弦相似度函数度量同一翻译环境下两个语义向量u和v之间的翻译相似度[6-7]如式（5）所示。
其中，Sim（u，v）为同一翻译环境下两个语义向量u和v的翻译相似程度。
同一语义环境下，翻译相似度计算结果如表1所示。
表1中，D1、D2和D3分别为短语“举行选举”、“hold election”以及“celebrate election”。
D1与D2和D3的相似度分别为Sim（D1，D2）=0.86和Sim（D1，D3）=0.53，从而说明D1与D2的翻译相似度高于D1与D3的翻译相似度。
因此，当进行翻译时，将D2作为源语言“举行选举”的翻译结果。
3 基于人机交互和特征提取的英汉翻译模型3.1 人机交互为了充分发挥计算机的逻辑推理能力和人类的整体定性认识能力，将计算机和人类结合起来的方法称为人机交互[8-9]。
3.2 设计框架基于人机交互和特征提取的英汉翻译系统的人机交互模块如图1所示。
基于人机交互和特征提取的英汉翻译系统由图形化界面、指标加载、指标计算、翻译质量评估等模块组成。
（1）图形化界面：提供人机交互界面，加载待翻译语句、选择评价指标和指标计算以及英汉翻译结果评价和显示。
（2）指标加载：加载翻译结果评价指标。
（3）指标计算：计算翻译结果评价指标。
（4）翻译质量评估模块：根据翻译结果评价指标，判定翻译效果。
3.3 算法步骤基于人机交互和特征提取的英汉翻译模型的算法流程如图3所示。
其算法步骤可描述为：（1）预处理翻译数据语料库，提取语义向量（源端短语以及目标端短语）;（2）根据语义向量映射模型，实现源端短语到目标端短语的语义空间映射;（3）根据翻译相似度模型计算同一翻译环境下不同语义向量的翻译相似度;（4）选择翻译相似度作为特征向量，并将其加入翻译解码得到翻译结果。
4 实证分析4.1 数据来源和评价指标为了验证本文算法的有效性，选择微软研究院释义语料库[10]（MSRP）数据集为研究对象，为评价本文算法的有效性，选择准确率、召回率、精确率作为评价指标[11-12]如式（6）所示。
其中，TP为正类判定为正类;FP为负类判定为正类;FN为正类判定为负类;TN为负类判定为负类。
4.2 结果分析为了说明本文方法进行英汉翻译的有效性和可靠性，将本文算法与基于基础词项的余弦相似度算法[13]（SCA）、基于词项目重合的重叠相似度算法[14]（SOA）以及基于语义词典的词典相似度算法[15]（SLA），对比结果如表2所示。
由本文算法和SOA、SCA以及SLA对比可知，本文算法进行英语翻译具有更高的准确率Accuracy、精确率Precision和召回率Recall，分别为91.09%、88.57%和88.57%，优于SOA的83.49%、75.71%和75.71%。
其中，SLA的Accuracy、Precision和Recall分别为46.31%、45.71%和45.71%，在几种算法中最低。
与SOA、SCA和SLA对比可知，本文算法进行英语翻译具有更高的准确率Accuracy、精确率Precision和召回率Recall，效果较好，为英语翻译提供新的方法和途径。
5 总结为提高英汉翻译系统的翻译精度，提出一种基于人机交互和特征提取的英汉翻译模型系统。
结合人机交互的整体定性认识和逻辑推理的能力，将翻译相似度模型引入英汉翻译系统模型，通过计算同一语义空间下两个语义向量之间的翻译相似度实现英汉翻译结果的获取。
与SOA、SCA和SLA对比可知，本文算法进行英语翻译具有更高的准确率Accuracy、精确率Precision和召回率Recall，效果较好，为英语翻译提供新的方法和途径。
参考文献[1] 黄登娴. 英语翻译软件翻译准确性矫正算法设计[J]. 现代电子技术， 2018， 41（14）：180-185.[2] 张莹. 基于英语在线翻译平台的设计与实现[J]. 自动化与仪器仪表， 2017，6（7）：253-255.[3] 王超超，熊德意，張民，等. 基于双语合成语义的翻译相似度模型[J]. 北京大学学报（自然科学版）， 2015（2）：1-6.[4] 王海燕，杨鸿武，甘振业，等. 基于说话人自适应训练的汉藏双语语音合成[J]. 清华大学学报（自然科学版）， 2013（6）：776-780.[5] 周文，徐国梁. 翻译记忆中语句相似度计算方法的研究[J]. 计算机应用， 2007， 27（5）：1210-1213.[7] 费洪晓，莫天池，林青，等. 基于树状语料库的中文短语相似度计算[J]. 计算机应用与软件， 2013（8）：24-28.[8] 徐小娟，徐国梁，黄新. 基于本体的英汉翻译记忆系统的研究[J]. 科学技术与工程，2008（10）：202-204.[9] 邓子龄. 基于粗糙集的翻译方法的改进仿真研究[J]. 科技通报， 2013，12（10）：26-29.[10] 于夏薇，袁军鹏. 融合语料库的论文作者姓名中英自动翻译研究[J]. 情报工程，2018，3（7）：22-26.[12] 王清，殷业. 基于Globish的旅游用英汉翻译系统的研究[J]. 企业科技与发展， 2008，5（12）：17-22.[13] 李新福，赵蕾蕾，何海斌，等.使用Logistic回归模型进行中文文本分类[J].计算机工程与应用，2009，45（14）：152-156.[14] 张玉芳，彭时名，吕佳.基于文本分类TFIDF方法的改进与应用[J].计算机工程，2006，32（19）：76-78.[15] 王元珍，钱铁云，冯小年.基于关联规则挖掘的中文文本自动分类[J].小型微型计算机系统，2005，26（8）：1380-1383.（收稿日期： 2019.07.28）。