随着互联网的问世,以及在通信和数码材料方面新的技术进步,翻译和学习开辟了另一条更加自动化的道路,并引发了机器翻译(MT)的诞生。机器翻译这门技术发展迅速,并因其信息易得性而在我们的生活中变得至关重要。虽然机器翻译为翻译人员提供了便利,且省时省力、降低成本,但对译文所期望的准确度却难以保证,并且在保持译文质量上面临着挑战。本文将对在线机器翻译的错误进行分析研究。它旨在为如何进行有效的机器翻译提供参考。理论上,译文错误是多维的。这不仅仅是翻译缺陷的结果,而且是诸多其他原因所导致的不可避免的事实。在译文错误的广泛分类中,还有更多与语义,词汇,句法或符号相关的基本问题。虽不可避免,但如果我们认真对待这些错误并找出解决方案,便可以使翻译错误最小化。论文设计思路如下。第一章介绍机器翻译的历史背景和意义。第二章为文献综述,对机器翻译进行明确定义,并介绍了三种最常用的在线机器翻译工具:有道、百度和谷歌——也就是例子的来源和错误分析的基础。同时还回顾了道格·阿诺德(Doug Arnold)的机器翻译理论以及他提出的机器翻译的四大限制。第三章是论文的重点,即在词汇,句法和语义层面的框架下列举各个类别的错误。第四章就机器翻译的质量改进提出了一些建议。第五章是最后一部分,分别解释和讨论研究的结果和发现;从全局呈现其意义和局限性,最后对以后的研究者提出了参考建议。作者希望这个关于翻译错误分析的个人研究将有助于形成对机器翻译研究者更有用的策略。