DeepL 密碼的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

機器翻譯應用在學術文本的可行性 —以臺灣博碩士論文網中文論文摘要英譯為例

為了解決DeepL 密碼的問題，作者徐千驊 這樣論述：

隨著網際網路的普及化，機器翻譯（machine translation, MT）的發展也日新月異，即便其翻譯的品質至今因文本而異，但幫助使用者省時省錢之功能仍無庸置疑。神經機器翻譯（neural-based machine translation, NMT）為目前最新之機器翻譯技術，Google於2016年將自家翻譯系統Google Translate（GT）從統計式機器翻譯（statistical-based machine translation, SMT）升級成神經機器翻譯，使翻譯速度及準確度大幅提升，但先前研究大多注重在統計式GT，少有研究測試其最新之神經翻譯系統的品質(To

ngpoon-Patanasorn和Griffith，2020）。在臺灣，撰寫博碩士之論文摘要時，通常需要提供中英兩個版本，礙於中英兩種語言差異甚大，學術寫作方法及技巧亦不同，機器翻譯有可能作為摘要語言轉換工具之一。然而，有鑒於機器翻譯應用於中翻英學術文本可行性之研究為數不多，本論文將探討GT應用於中翻英學術文本之可行性，並分析GT產生之譯文是否符合英文學術寫作之要求。 本論文將採用臺灣博碩士論文知識加值系統網站所刊登之論文摘要為研究樣本，篩選方法為歷年點閱率最高之五個學門中各二十篇論文，總計100篇論文摘要，五個學門分別為工程、商業及管理、教育、社會及行為科學，及人文學門。研究方法將採

用質性編碼方法，研究者首先為常見的英文論文寫作之規則編碼，並來回檢視譯文，若分析過程中有特殊發現，將列入其他發現討論。研究結果顯示，GT能夠產生三種英文論文寫作的特色，分別為「本(this)」、「副詞前置(mid-positioning of adverb)」，及被動用法。而針對英文動詞選字，有將近一半的摘要譯文出現至少一次動詞片語(phrasal verbs)。相較於其他學門，工程學門的摘要英譯最符合學術寫作要求。藉由本論文，研究者不僅完整探討GT應用於學術文本的可行性，也確認機器翻譯為使用中文之研究者帶來之便利性，造福社會大眾。