近年来,由于人工神经网络、机器学习和深度学习研究不断取得进展,人工智能迈入新的发展阶段,机器翻译也实现颠覆性突破,机器翻译语言质量得到大幅提升。2016年,Google推出全新的神经网络机器翻译系统(Google Neural Machine Translation)。GNMT系统是端到端的学习架构,采用目前最先进的训练技术,构建了包含八个解码层和八个编码层的深度LSTM网络和Attention机制,在多个主要语言对的翻译中将翻译误差降低了 55%至85%以上。不过,尽管GNMT大大提升了机器翻译语言转换能力,但在一些主要语言对中,尤其是在汉语到英语的翻译上,仍然面临一些问题,其中隐喻翻译就是机器翻译的一大难点。本研究以概念隐喻作为理论框架,采用定量与定性相结合的研究方法,选取《习近平谈治国理政》第二卷作为研究语料,通过与人工隐喻翻译对比,评估GNMT翻译系统在隐喻翻译上的译文质量与翻译策略选择。本研究将从语料中收集到的所有概念隐喻分为十类并计算隐喻使用频率,按使用频率高低依次为旅行隐喻(58.07%)、工程隐喻(19.40%)、战争隐喻(16.36%)、人类隐喻(2.16%)、植物隐喻(1.49%)、机械隐喻(1.17%)、疾病隐喻(0.68%)、家庭隐喻(0.34%)、气候隐喻(0.20%)和动物隐喻(0.13%)。研究发现,与外文出版社人工隐喻翻译对比,GNMT翻译系统在翻译工程隐喻、旅行隐喻、机械隐喻、植物隐喻、战争隐喻和气候隐喻这六种隐喻时表现优秀,基本可以适用,而在人类隐喻、疾病隐喻、家庭隐喻和动物隐喻这四种隐喻翻译中表现较弱,不能适用,影响GNMT隐喻翻译的因素主要以文化因素为主。本研究旨在通过与人工隐喻翻译对比,评估GNMT翻译系统在隐喻翻译上的译文质量,以期提高语言服务提供者对GNMT系统的理解,深入了解其优势和局限,以便可以更好地利用机器辅助翻译,同时也希望能够为机器翻译研发工程师提供一定的隐喻翻译方面的见解。