随着神经网络翻译系统的出现,人们对于机器翻译的需求日益增多。使用者依赖机器翻译的同时,又担忧其译文质量不佳。机器翻译的难点何在,如何判断机器翻译的译文质量,不断进化的机器翻译改善了哪些误译问题,这些都是迫切需要解答的问题。目前对机器翻译译文质量的评估和研究多集中在英汉、汉英语对中,对日汉语对的机器翻译译文质量研究较为少见。本研究选取了2篇日本大学校长的致辞,以其在Baidu翻译、Tencent翻译、Google翻译、Youdao翻译、Bing翻译五个机器翻译平台上生成的汉语译文作为研究对象。参考二语习得领域的错误分析理论中关于错误描写的分类,并参考已有研究中英汉、汉英机器翻译译文研究中的误译分类,将机器翻译的日译汉误译问题分为本体、文本、篇章、完全错句四类。本体层面的误译包括错别字、标点错误、原文识别与断句的问题;文本层面的误译包括词汇误译和语法误译;篇章层面的误译包括句间逻辑关系、句外指示关系和前后逻辑一致的问题;完全错句指无法理解的错句。整合各分类下的误译数据结果显示,机器翻译的误译问题多集中在词汇和语法方面。其中,语法类的误译占比最高。此外,笔者针对各翻译平台的译文在不同的误译类型下的翻译质量进行了分析,发现Youdao翻译的质量最佳,Google翻译的质量不太理想。为了考察机器翻译译文质量的改善情况,笔者收集了各翻译平台在2019年11月24日、2020年5月24日、2021年1月14这三个时间的译文,对误译的情况进行历时性的分析。结果显示,有半数以上的误译项目的问题得到了改善,错误量不断减少,体现了机器翻译技术的进步。具体来看词汇类的误译问题在一年之中有明显的改善,错误不断减少,译文质量得到提升。机器翻译在本体层面、篇章层面的误译也在不断减少,而语法类的误译并未得到明显改善,误译问题反复出现,译文质量波动较大。