基于人类反馈强化学习的情感保持型新闻标题翻译模型优化 .docx

PAGE2

基于人类反馈强化学习的情感保持型新闻标题翻译模型优化

摘要

机器翻译技术在新闻传播领域的应用日益广泛，然而现有模型在处理跨语言政治新闻标题时，常出现情感极性翻转问题，导致译文立场与原意偏离，严重影响信息传播的准确性与公信力。本研究聚焦于如何通过人类反馈强化学习机制，设计专门的情感保持型奖励函数，以惩罚翻译过程中的情感翻转现象，从而提升政治新闻标题翻译的立场保真度。

本文采用理论分析法，构建了完整的情感保持型翻译优化理论框架。第一章绪论明确了情感翻转问题的研究背景与核心矛盾，界定了研究范围与理论目标。第二章文献综述系统梳理了国内外在机器翻译情感保持、人类反馈强化学习领域的研究进