|||
机器学习,尤其是双语对照文本的机器学习为新一代的机器翻译提供了大前提,于是算法即批处理软件的核心技术方法就成了小前提,结论则可在人机交互平台即实际应用环境里面来获得人机互助合作的评估(这是我们可看到的近期未来)。-邹晓辉
附录:
【当向神经机器翻译系统输入新的待译原文时,系统每次先读取一个原文单词,然后开始输出一个译文单词,再读取下一个原文单词,并输出下一个译文单词,直到整个原文句子全部读取完成。通过这样的方式,神经机器翻译系统可以处理整句话,而统计机器翻译的N元模型则无法如此处理。与统计机器翻译系统相比,神经机器翻译系统可以更好地处理单词的内部结构和单词的形成规律、能更好地选择所用词汇、能更好地解决词序问题(包括词语之间不连续的依存关系),只不过训练神经机器翻译系统需要花费更长时间,耗费更多计算资源。
对于大公司来说,时间和计算资源都不是问题。2016年9月底,谷歌公司宣布谷歌翻译移动端和网页端的中英机器翻译服务全部由谷歌神经机器翻译系统提供支持。即便如此,神经机器翻译还是存在很多问题,比如:漏词、错译(尤其是生僻字词)、忽略上下文语境孤立翻译某句话等。】
阅读原汁原味的原文:
https://www.ciol.org.uk/translator-and-machine-dorothy-kenny
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-4-25 14:56
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社