【百面机器学习之算法工程师读书笔记】——第十四章：人工智能的热门应用-机器翻译

目录

机器翻译概念

机器翻译技术的发展

基于规则的方法

基于统计的方法

基于神经网络的方法

机器翻译的应用

---

机器翻译概念

即通过计算机将一种语言的文本翻译成另一种语言，以解决语言屏障的问题的一种方法。

机器翻译技术的发展

机器翻译的研究经历了以下三个阶段的发展。

基于规则的方法

出现在机器翻译早期研究，主要是根据语言专家编写的翻译规则进行翻译，是一个机械式的过程，受限于人工编写规则的质量和数量，费时且不容易在不同语言间转换。

基于统计的方法

20世纪90年代被提出，主要从平行语料种挖掘不同语言的词语间的对齐关系，基于对齐关系自动抽取翻译规则。一个典型的统计机器编译包含以下三个部分。

（1）翻译模型：负责估算单词，短语间互相翻译的概率。

（2）调序模型：对翻译后的语言片段排序进行建模。

（3）语言模型：用于计算生成的译文是否符合目标语言的表达习惯。

统计翻译模型，通过使用双语平行语料库为译文的目标语言文本的语料库，作为训练数据。减少了人工参与，模型本身和训练过程间的语言无关性，大大提升了性能和使用范围。

基于神经网络的方法

2016年9月，谷歌翻译上线中英神经网络模型，效果明显，到2017年5月，已支持41对上虞翻译模块，超50%的翻译流量已由神经网络模型提供。神经网络同样需使用平行语料库作为训练数据，但神经网络是一个整体的序列到序列的模型。涉及以下步骤：

(1)首先，将源语言和目标语言的词语转化为向量表达。

(2)其次，用循环神经网络对翻译过程进行建模。即用神经网络作编码器，将输入序列编码为一个向量表示，再用一个神经网络作译码器，将向量解码为输出序列。

目前神经网络翻译模型已有很多新的改进，如LSTM、注意力机制、训练目标改进、无平行语料训练等。

机器翻译的应用

2017年5月数据显示，谷歌翻译每天都在为五亿人次提供翻译服务。微软、搜狗、百度、网易等国内外公司也在不但优化自己的机器翻译服务，供大众使用。机器翻译目前在很多场景下可起到很好的辅助作用。如出国旅行时，各种手机APP的拍图翻译可是人们方便快捷的看懂异国的路边或菜单等，百度白专门推出了便携式自动翻译机。

                                             

但目前而言，机器翻译的应用仍处于简单理解其他语言，辅助翻译等方面，其效果还难以达到人类翻译的水平，离大规模替代人工翻译还差不小距离。