1 引言

翻译质量评估在多个领域具有重要性，但现有研究多采用描述性方法，缺乏量化分析。本文通过Python和词向量聚类技术对相关文献进行量化研究，旨在全面展示研究现状、趋势，并提出改进建议，为跨学科研究提供参考。

2 文献综述

深入探讨了人工译文和机器译文的翻译质量评估现状。在人工译文评估方面，介绍了多种评估模式，如House模式、Reiss模式和Williams模式，这些模式分别基于系统功能语言学、语篇类型原则和论辩结构分析。同时，国内学者如司显柱和何三宁也对评估理论进行了探索。专业用途语言评估（LAPP）在ESP领域中的应用，强调了语言知识和专门用途内容知识的重要性。国内外研究范式的差异在法律翻译评估中尤为明显，国内学者更侧重于翻译规范和术语翻译质量，而国外学者则倾向于使用量表评分和预选项评估。此外，还提到了计算机辅助评估模型的开发，如基于语义特征的机器评分模型和自动评分系统。

在机器译文自动评估方面，讨论了基于N-gram相似度的评估指标，如BLEU及其衍生指标NIST、METEOR、MBLEU和ChrF，这些指标通过分析候选译文与参考译文的N元组匹配度来评价翻译质量。翻译编辑率（TER）及其改良模型也被提出作为评估译文质量的指标。术语质量指标适用于ESP领域，通过提取术语相关量化特征来评估翻译质量。随着神经网络和深度学习的发展，基于向量相似度的评估方法，如BERTScore，也得到了应用。

最后，章节指出了人工译文和机器翻译评估范式之间的差异，并强调了从计量文献角度出发，全面审视翻译质量评估研究的必要性。

3 实验设计

研究对象为Web of Science核心数据集及CNKI收录文献，关键词为“翻译质量评估”和“Translation Quality”，涵盖人文社科与自然科学领域。共收集1,575篇文献，采用Python自动化脚本和词向量聚类处理数据。数据处理包括关键词抽取、核心关键词筛选、词向量表达和特征词聚类，使用SpaCy、jieba、Word2Vec、PCA和K-Means等工具。

4 研究结果

通过年度统计和趋势图展示了翻译质量评估研究的发展历程，分为萌芽期、缓慢发展期和波动上升期。研究显示，翻译质量评估领域文献数量总体呈上升趋势。关键词分析揭示了CNKI和WOS数据库中研究热点的差异，CNKI侧重理论研究，WOS侧重机器翻译自动评测。有影响力学者和高被引文献分析表明，计算机领域学者在翻译质量评估中占据重要地位，而语言学领域学者影响力相对较小。中英文文献在研究视角和侧重点上存在差异，CNKI文献更注重理论，WOS文献更关注技术。

5 问题与对策

翻译质量评估领域虽有进步，但存在研究发展迟缓、文理研究隔离、研究与实践脱节等问题。研究始于20世纪80年代，发文量少，近年呈下降趋势。计算机学科与翻译学科研究相互独立，ESP领域研究分散。现有理论模式与实践脱节，技术与实践之间存在断层。为解决这些问题，建议构建立体多元的学术促进体系，加强政府科研基金投入，增加学术会议和测评，建立数据众包平台。秉持互融互通的学科研究理念，共建文理合作通道，打造文理互通的研究模式。完善实践导向的翻译评价路径，畅通理论与实践之间的流转路径，建立技术与实践之间的联动机制。构建人机协同的质量评估模式，加强自动评估技术的平台化研发，提高翻译评估者的技术素养。本文通过计量分析，系统梳理了翻译质量评估领域的发展脉络，提出了存在的问题及对策建议。