机器翻译经过多代技术更迭,已经实现了克服语言障碍、生成多种语言的高质量翻译文本、让来自不同语言环境的人进行沟通交流的研发目标。新一代神经网络机器翻译凭借强大的运算能力以及大数据支持,使机器翻译的错误率大幅下降。目前,它已然在互联网开放服务平台得到广泛应用,并逐渐成为当今机器翻译的主流方法。但这是否意味着机器翻译已能完美处理好各类文本的英汉翻译?科技文本作为一种正式文体,语言简练、逻辑严密、结构紧凑,长句较多。这些长句通常包含较多修饰成分,如短语、从句、非谓语结构等,其中以含定语从句者居多,而定语从句正是英汉翻译的难点之一。神经网络机器翻译虽然在翻译质量上有了很大改进,但它能否在汉译科技英语定语从句方面也做到令人满意?若不能,其优缺点又分别体现在何处?为评价目前机器翻译在科技英语定语从句方面的翻译质量,本文以科技英语教材中的例句为语料,以语言类型学为理论依据,对汉英两种语言的定语从句进行梳理和比较,并基于此对谷歌机器翻译译文和人工译文进行平行对比,做出了定量和定性评价。定性评价针对谷歌机器翻译中得分最低的14个句子和得分最高的14个句子,对其进行语法和结构分析;定量评价基于问卷调查获得的数据,运用SPSS软件里的独立样本T检验、正态分布检验和曼-惠特尼U检验分析机器翻译和人工翻译的可接受性。研究结果表明,机器翻译在绝大多数时候能成功识别英语定语从句的位置、标句词、空位指称等。在译入汉语过程中,机器翻译不但能进行常规转换,而且能灵活进行一部分非常规转换,如顺译法、拆译法、非定语化处理等。但有时机器翻译未能理清原文结构,而对原文理解错误,不能用目的语将其意思正确表达出来,这导致机器译文总体上可接受性比人工译文低,且可接受度起伏较大。此外,谷歌机器翻译系统目前还不够稳定:翻译过程中会出现核心词识别错误、漏译定语从句等情况。未来应针对这些问题进行改进,将机器翻译系统做得越来越好。