随着神经网络技术的发展,机器翻译迎来了新发展浪潮。在对国内语言服务行业进行的调查中,我们可以看到,机器翻译在语言服务行业的应用越来越广泛。而所涉及的翻译服务领域中,科技类文本占比最大。研究表明,机器翻译在翻译文学类文本时具有一定的适用性。但由于受到其机械性和自动性等特征的制约,机器翻译更适用于科技文本等非文学文本的翻译。在英语科技文本中,被动句是最为常见的一类句式,在运用机器翻译处理科技文本时,被动句机器翻译效度的高低在一定程度上影响了整篇文本的翻译质量。本研究选择基于神经网络技术的百度、谷歌、有道三个在线机器翻译平台作为研究对象,从高校英语专业教材中选取科技文本被动句例句共220句作为研究语料,对机器译文进行对比分析,探讨科技文本被动句的机器翻译效度。在进行BLEU评分时,首先依据人工译文所采取的翻译方法对所得译文进行分类,再利用Corpus Word Parser将译文进行分词处理以便计算BLEU值。在统计语言计量特征时,采用Corpus Word Parser和Free CLAWS web tagger对文本进行词性标注,在Antconc里对处理后的文本进行检索统计。统计译文句型时,先将人工译文的句式特征进行分类,作为参考标准来划分三个机器翻译的译文。进行分析时,结合上述数据和实验所得译文,以科技英语翻译标准为基准,将机器翻译的译文、人工译文和英语原文进行对比。通过定量和定性分析相结合的方式,探讨机器翻译科技英语被动句的效度。研究发现,三个机器翻译在本次实验中具有一些共同点。从整体上看,实验所选的三个在线机器翻译平台在翻译时更倾向于将英语被动句处理为汉语主动句,这一点与译者所做的处理类似。机器翻译更倾向于逐字对应翻译,更拘泥于源语形式。另外,通过对比四个译文中的汉语被动句特征,可以看出,机器译文中“被”字的使用率远高于人工译文,机器很少采用其他被动标记词来表示被动语态。这说明机器在处理英语被动句时不够灵活,译文中的句式较为单一。通过结合实验数据和所得译文的综合分析来看,三个机器翻译也各具特征。这三者之中,有道译文与人工译文相似度最高,术语翻译也最为准确,译文也更贴合汉语读者的表达习惯。但其虚词显化现象也最为突出,这说明有道译文较其他两者稍显繁琐。谷歌译文在三者中最为简洁,可以用较短语句来传达信息,但其信息准确性却不如有道,这是由于其术语翻译不如有道规范。另外,谷歌译文在句子结构上更贴近源语,这说明谷歌译文更倾向于按照原文语序逐字对应翻译。百度翻译在本次实验中的表现中规中矩,但存在漏译问题,导致百度译文在完整性评估上不如其他两者。在本次实验中,综合来看,机器翻译效度均不如人工译文高。但有道表现最好,在翻译科技英语被动句上具有较好的翻译效度。本项实验研究不仅丰富了对科技文本被动句的研究,对机器翻译的后续研究提出期望,同时也对人工译后编审提供了一定启发。