翻译范式之一为语言学范式。Mona Baker于1993年发表《语料库语言学与翻译研究:启示与应用》一文,将语料库语言学与描写性译学相结合。自此,基于语料库的翻译范式蓬勃发展,受到学界的广泛认可。但是,一些学者认为未来的翻译范式应以功能语言学或认知语言学为理论基础。由此可见,学界对于翻译范式主张多样,莫衷一是。机器翻译是计算语言学的分支,与各种语言学理论有密切联系,很好地体现了基于语言学的翻译范式。更主要的是,机器翻译能够在一定程度上对上述不同语言学翻译的科学性进行鉴别。因此,本文以机器翻译为切入点,对基于不同语言学理论的机器翻译进行对比研究。本文的研究主要回答以下三个问题:1)迄今为止,基于语料库的机器翻译有何缺陷?2)与语料库翻译相比,基于联结主义的神经机器翻译有何优势?神经机器翻译是否能弥补语料库翻译的不足?3)此研究对翻译研究发展有何启示?首先,通过阅读和梳理已有研究成果,对比基于规则的机器翻译,肯定语料库翻译促进翻译范式的发展,对译学研究做出了巨大贡献,尤其是统计机器翻译。其次,从翻译策略、语料选择、语料库建设与共享三个方面,系统地分析统计机器翻译的不足之处及其原因。最后,基于联结主义理论和人工神经网络,尤其是它们的特征与优点,研究神经机器翻译的模型、系统及实际应用,对比语料库翻译,分析其所具备的优势,得出对翻译研究的启示。本文基于理论论述和数据分析,对比语料库翻译和神经机器翻译,发现:1)语料库翻译是先分解语句,找到较小的语言单位在翻译句对中最可能的对应,再组合得到更大粒度的翻译对应,其主要问题在于局部特征难以补获全局依赖关系;2)神经机器翻译采用的是端对端的整体翻译模型,能以较长文本为翻译单元,收集整个源文本信息,捕捉语言中的远距离依赖关系,因此在流利度、准确度等方面均优于语料库翻译;3)未来翻译范式发展与认知科学密切相关,但不完全归属于认知语言学。综上所述,此项研究创新之处在于系统分析了语料库翻译存在的缺陷,研究神经机器翻译的优势以及如何弥补前者的不足,并初步指出未来的翻译范式发展方向,对促进翻译范式的转换具有一定意义。但是,由于对认知科学和计算科学等方面掌握的专业知识和能力有限,本研究仅限于理论层面。因此,未来的研究可聚焦于实际应用层面,通过训练人工神经网络,使神经机器翻译软件更好地满足翻译需求,促进翻译研究的发展。