机器翻译

常见问题

• 机器翻译属于哪个领域的应用？

  机器翻译属于“自然语言处理”领域的应用。“自然语言处理”研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。

• 机器翻译的优点？

  一、成本低
  相比于人工翻译，机器翻译的成本要低很多。因为人工翻译需要专业翻译人员进行翻译工作，在成本上花费更大。而机器翻译需要人工参与的时候很少，基本上由计算机自动完成翻译，大大降低了预算成本。
  二、易于把控
  机器翻译的流程简单快捷，在翻译时间的把控上也能进行较为精准地估算。
  三、翻译速度快
  计算器程序的运行速度非常快，机器翻译正好利用了这一优点。目前人工翻译还达不到这种速度。

• 机器翻译软件有哪些？

  1、Transifex
  从简单的网站到复杂的数字产品，让客户从头到尾轻松本地化所有数字内容
  上传内容：首先，必须将内容上传到Transifex，然后可以选择几乎零开发人员参与到使用我们的API或Transifex Native的复杂自定义设置。 翻译：可以与第三方翻译机构、自由译员或内部译员合作，或者在社区的帮助下进行众包翻译。同时可以使用我们强大的在线编辑器进行实时协作或与客户喜欢的CAT工具集成。 发布翻译：翻译完成后，可以设置通过API或CLI发布翻译的自动化方式。或者，可以利用Native或Live以无线方式（OTA）发布翻译。
  2、百度智能云
  百度智能云于2015年正式对外开放运营，是基于百度多年技术沉淀打造的智能云计算品牌，致力于为客户提供全球领先的人工智能、大数据和云计算服务。凭借先进的技术和丰富的解决方案，全面赋能各行业，加速产业智能化。
  3、火山引擎
  脱胎于全球化的移动互联网公司，我们先进的技术引擎帮您解决业务痛点，突破业务瓶颈。支撑了10亿级DAU的大数据、人工智能和基础服务能力，赋能互联网应用增长和传统企业的数字化转型。
  4、金山AIDAtrans
  金山AIDAtrans隶属于金山软件集团，由金山软件人工智能事业部开发。 金山软件始创于1988年，是国内最早的互联网软件企业之一。历经30余载，金山软件始终坚持“做世界一流的软件企业”的梦想，秉承“志存高远，脚踏实地”的理念，赢得了用户的信任，在北美、欧洲、日本及马来西亚等海外市场享有重要的市场份额。 金山软件人工智能事业部全面布局人工智能。目前以NLP为核心，同时结合图像和语音技术，主攻方向包括机器翻译、智能问答、知识图谱、图文转换、语音识别和合成等。
  5、Phrase
  提供快速可靠的语言文件导入和导出、通用的API、专用的CLI工具，支持超过40种文件格式，以及Phrase的分支功能等等，不一而足！ 每当有新的翻译任务出现或者被完成，所有相关团队成员都会收到自动通知。实时监控，报告和统计让你随时随地都能掌控进度。

• 机器翻译和人工翻译区别

  一、从翻译准确程度来看。
  1、人工翻译准确率可趋近于100%，但也取决于译者水平、原文表达水平、行业领域、交稿时间等因素；
  2、机器翻译的准确率取决于语种、行业领域、原文质量、训练语料、训练模型等因素。
  二、从翻译的流畅度来看。
  1、人工翻译讲究“信达雅”，但在实际商业翻译中不会完全体现。准确性和时效性以及价格是客户考虑的重点；
  2、机器翻译近年来都采用了神经网络算法，相比之前的统计型机器翻译，在流畅度上有了质的提升，即便某些词翻译不准，但语法结构往往很清晰。
  三、从翻译的效率来看。
  1、纯人工翻译的效率是很低的，按照语种、语言方向、行业领域的不同，人工翻译8小时的效率一般不会超过5000-8000字；
  2、机器翻译可以达到毫秒级的翻译时间。

• 机器翻译发展历程

  1、起源阶段：
  机器翻译起源于1933年，由法国工程师G.B.阿尔楚尼提出机器翻译设想，并获得一项翻译机专利；
  2、萌芽时期：
  1954年，美国乔治敦大学在IBM公司协同下用IBM-701计算机首次完成了英俄机器翻译试验，拉开了机器翻译研究的序幕；
  3、沉寂阶段：
  美国科学院成立了语言自动处理咨询委员会(ALPAC)于1966年公布了一份名为《语言与机器》的报告，该研究否认机器翻译可行性，机器翻译研究进入萧条期；
  4、复苏阶段：
  1976年，加拿大蒙特利尔大学与加拿大联邦政府翻译局联合开发的TAUM-METEO系统，标志着机器翻译的全面复苏;
  5、发展阶段：
  1993年，IBM的Brown等提出基于词对齐的统计翻译模型，基于语料库的方法开始盛行；
  2003年，爱丁堡大学的Koehn提出短语翻译模型，使机器翻译效果显著提升，推动了工业应用；
  2005年，David Chang进一步提出了层次短语模型，同时基于语法树的翻译模型方面研究也取得了长足的进步；
  6、繁荣阶段：
  2013年和14年，牛津大学、谷歌、蒙特利尔大学研究人员提出端到端的神经机器翻译，开创了深度学习翻译新时代；
  2015年，蒙特利尔大学引入Attention机制，神经机器翻译达到实用阶段；
  2016年，谷歌GNMT发布，讯飞上线NMT系统，神经翻译开始大规模应用。

• 机器翻译是什么？

  机器翻译，又称为自动翻译，是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。它是计算语言学的一个分支，是人工智能的终极目标之一，具有重要的科学研究价值。
  同时，机器翻译又具有重要的实用价值。随着经济全球化及互联网的飞速发展，机器翻译技术在促进政治、经济、文化交流等方面起到越来越重要的作用。
  机器翻译,肩负着架起语言沟通桥梁的重任。百度翻译自2011年上线至今,在追梦路上已经走过十个年头。十年来,翻译质量大幅提升30个百分点,领域翻译准确率90%以上,日均翻译量超千亿字符,服务50多万企事业单位和个人开发者,实现了机器翻译技术和产业的跨越式发展。

• 机器翻译原理是什么？

  20世纪80年代基于规则的机器翻译开始走向应用，这是第一代机器翻译技术。随着机器翻译的应用领域越来越复杂，基于规则的机器翻译的局限性开始显现，应用场景越多，需要的规则也越来越多，规则之间的冲突也逐渐出现。
  于是很多科研学家开始思考，是否能让机器自动从数据库里学习相应的规则，1993年IBM提出基于词的统计翻译模型标志着第二代机器翻译技术的兴起。
  2014年谷歌和蒙特利尔大学提出的第三代机器翻译技术，也就是基于端到端的神经机器翻译，标志着第三代机器翻译技术的到来。

• 机器翻译技术有哪些？

  1、机器翻译技术
  机器翻译技术是一种人工智能技术，它是利用计算机模拟和抽象人的翻译过程，实现在计算机上将一种语言自动翻译成为另一种语言。计算机翻译语言的过程就是将源语言翻译成为目标语言。具体翻译过程是先对源语言进行词法分析，之后在词法分析的基础上再进行句法分析，然后根据源语言句法分析的结果，相应地生成目标语言。
  2、翻译记忆技术
  简单地说，翻译记忆就是把已经翻译过的译文在计算机里存储起来，将原文、译文记忆在翻译记忆软件中。当再进行新的翻译时，翻译记忆软件可以搜索和提取在翻译记忆库里相同或相似的原文及译文结果，从而使新的翻译不必重新进行，而可以参照和使用以往的翻译结果，因而大大提高了翻译效率。
  3、TM+MT技术
  近年又出现了一种新的趋势，那就是翻译记忆技术与机器翻译技术的结合。这两种技术可以说互为补充，因为翻译记忆无法翻译没有记忆的语言，或者由于寻找不到匹配度足够高的原文，而无法输出译文，而这时就可以使用机器翻译实现自动翻译。这种结合技术可以称为TM+MT技术。

• 机器翻译与自然语言处理区别

  自然语言处理（natural language processing），是一门以计算为手段对自然语言进行研究和处理的学科。Bill Manaris（1998）曾在《计算机进展》中给出这样的定义：“自然语言处理可以定义为研究在人与人交际中以及在人与计算机交际中的语言问题的一门学科。”自然语言处理要研制表示语言能力和语言应用的模型，建立计算机框架来实现语言模型，提出相应的方法对语言模型不断地进行完善，根据语言模型设计各种实用系统，并探讨这些实用系统的评测技术。
  机器翻译，就是使用计算机进行翻译，即把一种自然语言生成另一种自然语言而又无需人类帮助的计算机系统。这里的自然语言区别于人工语言，如计算机编程语言等为实现某些特定目的而创造的语言。李沐等（2018：2）指出，机器翻译是自然语言处理研究的一个分支，它在处理过程中会涉及到很多自然语言处理的经典问题。如数据挖掘及清洗、词字切分、词性标注、句法分析等。此外，机器翻译还涉及机器学习算法中的应用。就此而言，机器翻译是一项复杂的系统工程。