28、神经机器翻译（NMT）：原理、架构与实践

神经机器翻译（NMT）：原理、架构与实践

1. 神经机器翻译简介

大约在2014年，神经机器翻译（NMT）系统被引入。NMT是一种端到端的系统，它将完整的句子作为输入，进行特定的转换，然后输出对应源句子的翻译结果。与传统的机器翻译方法相比，NMT无需进行特征工程，如构建短语翻译模型和语法树，这对自然语言处理（NLP）领域来说是一个重大突破。

在短短两到三年的时间里，NMT就超越了所有其他流行的机器翻译技术。评估机器翻译系统常用的指标是BLEU分数，它表示候选翻译中与参考翻译匹配的n - 元组（如一元组和二元组）的数量。BLEU分数越高，机器翻译系统的性能越好。

以下是不同机器翻译系统的性能比较：
| 系统名称 | 类型 | 特点 |
| ---- | ---- | ---- |
| DeepL（NMT） | 纯NMT系统 | 性能与谷歌等巨头竞争 |
| Google（NMT） | 纯NMT系统 | 支持多种语言，平均表现优秀 |
| Yandex（NMT - SMT混合） | 混合系统 | 结合NMT和SMT优势 |
| Microsoft | 包含SMT和NMT | 提供多种翻译选择 |
| IBM（SMT） | 纯SMT系统 | 传统统计机器翻译 |
| Prompt（基于规则） | 基于规则系统 | 依赖规则进行翻译 |
| SYSTRAN（基于规则/SMT混合） | 混合系统 | 结合规则和统计方法 |

从这些系统的比较中可以看出，NMT系统在当前机器翻译的发展中处于领先地位。不过，在比较结果中可能存在一些偏差，例如谷歌翻译在更多语言（包括困难的翻译任务）上进行