Expected increase
1-5 100%
6-12 80%
13-20 60%
21-30 40%
31-50 20%
over 50 10%
我认为你可以将这种方法(稍作修改)应用于非日本人的日语学习中。
另一个需要考虑的因素是语言的语气。在英语中,指令是用祈使句构成的,例如“按OK键”。但在日语中,祈使句被认为是粗鲁的,你必须使用尊敬语(或敬语),例如“请按下OK按钮”。
注意三个汉字组合。许多大型词语都由三个或四个汉字组成,例如“国际化”(20个字符), “高可用性”(17个字符)。
嗯,这比名词中字符数与英语相比要复杂一些,例如日语与英语相比也有不同的语法结构,因此某些句子在日语中会使用更多单词,而其他句子则会使用较少单词。我不太懂日语,请原谅我用韩语作为例子。
在韩语中,一个句子通常比英语句子短,主要是通过使用上下文来省略掉一些词语。例如,“我爱你”可以简化为“사랑해”(仅仅是动词“爱”),或者是完整的句子“저는 당신을 살앙해요”(我[主题] 你[宾语] 爱[动词+礼貌修饰词])。在一段文本中,如何书写取决于上下文,通常由段落前面的句子设置。
总之,实际上了解这种情况的算法非常困难,所以您最好使用统计数据。您应该使用已知的日语和英语文本具有相同含义的随机样本。样本越大(且越随机),就越好...尽管如果它们是真正随机的,那么过几百个后数量对结果影响不大。
现在,另一件事是这个比率会完全根据被翻译的文本类型而改变。例如,高度技术性的文件很可能具有比肉麻小说更高的日语/英语长度比。
至于仅使用您的单词翻译字典-那可能不太好用(并且可能是错误的)。同一个单词在不同语言中并不总是翻译成相同的单词(尽管在技术讨论中更有可能发生)。例如,美丽这个词。我可以在韩语中为它分配不止一个单词(即有选择),但有时我失去了选择,比如在句子“那食物很美味”中,我不是指食物看起来好看,而是指它的味道好,我的翻译选项就会改变。这是非常普遍的情况。
另一个大问题是最佳翻译。这是人类真正擅长的事情,也是计算机远远不如人类的事情。每当我校对从其他语言翻译成英语的文件时,我总能看到各种方法来缩短它。
因此,尽管通过统计数据,您将能够计算出翻译之间长度的相当不错的平均比率,但这将远远不同于如果所有翻译都是最佳的情况。
approx_english_words = a1*no_characters_in_script1 + a2 * no_chars_in_script2 + a3 * no_chars_in_script3
,其中系数a1、a2、a3通过使用线性最小二乘法从您的数据中拟合得出。看起来很简单 - 你只需要找出比例。
对于每个脚本,计算你的词汇表中脚本字符和英文单词的数量,并计算比率。
如果你能够检测出日语单词所在的脚本以及翻译中相应的英文短语,就可以使用日语源文件进行增强。否则,你将不得不估算比率或忽略它作为源数据,
然后,像你说的那样,计算源文本每个脚本中的单词数,进行乘法计算,你应该会得到一个粗略的估计。
我的(虽然很小的)经验表明,无论使用什么语言,文本块传达相同的信息需要占用相同的印刷空间。因此,对于一个相对较大的文本块,你可以为每个英文字母分配宽度计数(从像 Times New Roman 这样的常用字体中获取),同样地,使用相同点数的常见日文字体来计算所需的字符数量。