来源：期刊VIP网 时间：
作者：王金铨;吕文静;
单位：扬州大学;
摘要：本研究运用DistilBERT深度神经网络模型，结合传统自然语言处理的N元匹配、潜在语义分析和GloVe模型，将4类(13个)语义变量纳入记叙文、说明文、议论文3种文体，构建传统量化与深度学习相结合的语义质量评价模型。结果表明，语义变量与译文质量之间均存在显著相关性，且贡献程度各异。综合所有变量的回归模型拟合度最高，相关系数超过0.80，且模型稳定性良好。研究发现，传统量化方法的预测效果较好，DistilBERT模型展现出独特优势，能够结合传统量化方法，进行多维语义评价。未来研究可以探索传统量化方法与深度学习技术的融合路径，实现更高效的翻译语义自动评价。
基金资助：国家社科基金重点项目“基于大语言模型的中国英语学习者翻译能力发展及量化评价研究”（编号：24AYY019）的阶段性成果
