翻译机器 64|电子制作2018年11月信息工程

64 | 64 电子制作 2018年11月 信息工程 0 前言 随着人工智能技术的不断发展，图像处理、内容推荐、自然语言处理等作为其主要应用方向也在加速迭代发展。 与其他应用方向相比，自然语言处理的发展还不够完善，还有很大的改进空间。 作为自然语言处理的一个重要分支，机器翻译技术早在20世纪40年代就被提出，并在接下来的二十年里，在大量人力、物力的推动下，取得了一定的发展，但受限于当时计算机技术等诸多条件未能实现实质性突破，机器翻译也陷入了沉寂[1]。 近年来，人工智能技术的发展、语言理论的进步以及统计在翻译技术中的广泛应用，再加上计算机硬件以摩尔定律的速度快速发展，已经可以支持海量数据的存储和计算。数据。 这些条件使得人们对机器翻译技术本身有了更加完整的认识，新一代的处理方法在此背景下也取得了长足的进步。 本文首先从整体角度介绍了典型机器翻译技术的分类，然后从人工智能与机器翻译结合的角度介绍了机器学习和深度学习在机器翻译中的结合和应用方法。 最后对当前翻译技术的局限性和问题进行了总体展望。 1 典型机器翻译技术 机器翻译技术的目的是节省人力资源，使机器最大程度地代替人的重复性工作。

它建立在语言学、统计学、计算机科学、信息论等复杂学科的基础上。 如此复杂的系统很难快速形成一套有效的解决方案[2]。 机器翻译理论的早期，研究的主流是基于规则的机器翻译技术，后来随着概率论和统计学的引入，机器翻译达到了一个新的高度。 接下来，本文将介绍基于规则和基于统计的两个研究方向。 ■ 1.1 基于规则的机器翻译技术 上世纪机器翻译技术首次提出时，人们对语言的认知仅限于一套有限的规则所形成的系统。 尤其是在提出短语结构语法和“从规则生成句子”的原理之后，基于规则的机器翻译技术奠定了其在当时机器翻译技术中的主流地位。 基于规则的机器翻译技术的指导思想是：语言的规则是无限的，语言可以从这些无限的规则中衍生出来。 随后在基于规则的思维指导下，出现了三种主流的基于规则的翻译方法，即直译、转换翻译和中间语言翻译。 其中，直译比较简单。 通过分析源语言和目标语言之间的对应关系，直接进行转换，然后按照目标规则重新排列目标语言； 转换公式不仅考虑了两种语言简单意义上的对应关系，还考虑了句子语法结构的对应关系，从词汇、语法等方面逐步分析句子的含义、语义层和其他层。 它对语言的规则挖掘得更深、更完善，因此一般能取得比直译更好的效果； 中间语言方法采用折衷的方法，既考虑句子的多层次含义，又尽可能忽略语言中复杂的结构关系，创造出相对简单的中间语言作为翻译的过渡。 首先，将源语言映射到中间语言。 结构简单，然后通过中间语言进行翻译。

综上所述，上述三种基于规则的方法都需要两种语言对应的语料，并且在含义和结构上对预测的对应程度有较高的要求，否则会对结果产生很大的影响。 此外，基于规则的翻译技术也具有明显的优势。 翻译过程是可解释的，可以更直观地表达规则和语义，这对于人们更好地控制翻译过程有很大帮​​助。 ■ 1.2 基于统计的机器翻译技术 语言本身非常复杂。 即使假设无限的规则可以完美地表达语言本身，资源也是有限的，无法概括和表达无限的规则。 因此，基于规则的机器翻译始终无法达到理想的效果，更无法实现产业化。 随着统计学和信息论的发展，研究方向逐渐向统计学靠拢。 一方面，存储条件的发展导致了大规模语料库的产生，另一方面，计算资源的支持使我们能够相对快速地从海量数据中提取有效信息。 基于统计的机器翻译技术主要分为两类。 一是利用统计学来做语言的预处理或后处理，比如典型的词性消歧、词性标注、分词技术等，这与传统的机器学习技术不同。 另一种是利用统计方法提取语料库中体现的重要知识，或者针对特定任务的一些特定知识，并根据这些信息做机器翻译。 这部分和深度学习结合的比较紧密。 [3]。 综上所述，基于统计的翻译技术应用范围广泛，且粒度非常细。 接下来，本文将探讨机器翻译技术的研究与发展 王子航（湖北省武汉市岗都中学 湖北省武汉市） 摘要：机器翻译技术作为自然语言处理的一个重要研究方向已逐渐衰落由于上世纪末的种种限制。 近年来，随着信息论和人工智能的快速发展，取得了新的突破，甚至在工业领域获得了与深度学习的结合。 应用。 本文主要研究机器翻译技术的内容和发展。 首先介绍了机器翻译发展过程中形成的经典技术体系，然后从人工智能与机器翻译结合的角度进行阐述，包括传统机器学习领域以及突出效果的深度。 最后展望了未来可能出现的问题和机遇，为机器翻译技术的发展和进一步研究做出了一定的贡献。 机器学习； 神经网络万方数据