谷歌翻译是怎样一种操作。

姓名:李艺暄   学号:14310116071

转载自:https://www.quora.com/How-does-Google-translate-work-Do-they-have-database-for-all-words-of-a-particular-language

【嵌牛导读】:当我们面对一种陌生的语言时,最便捷的翻译手段就是使用翻译软件,那么翻译软件是如何工作的呢?

【嵌牛鼻子】:Google翻译

【嵌牛提问】:谷歌翻译是如何做到高效准确地翻译的。

【嵌牛正文】:

    2016年9月,谷歌宣布推出基于人工神经网络和深度学习的新型机器翻译系统 - 神经机器翻译系统Google Neural Machine Translation system(GNMT)。

通过使用这套系统,Google可以不断提高翻译质量,Google使用的递归神经网络Recurrent Neural Networks(RNN)不仅要考虑源词和短语,还要考虑句子出现的地方等等这种更广泛的背景,以及围绕它们的其他词和短语是什么。

长期以来,人们已经知道这些问题是人工翻译和机器翻译技术的关键区别。

此后不久,在2016年11月,Google发布了Google的多语言机器翻译系统(Zero-Shot Translation),它避免了繁琐的对单个语句进行翻译。也避免了将输入短语翻译为其假定含义的固定表述,而与作者所要表达的东西无关。

例如,他们在报告中使用日语 - 英语和韩语 - 英语对来训练他们的多语言系统。然后他们可以要求系统进行它以前没有进行过的翻译,比如日文-韩文的翻译。令人惊讶的是,即使如此,该系统也会对句子做出合理的翻译。

这种进步是真正伟大的,因为它清楚地表明了计算机翻译的进步和使计算机理解语言的意义的最终目标方面的改进。这不仅仅是在单个语言词组对单个语言词组的单词或短语的简单句法映射。

除了RNN之外,这种努力显然受到最近突破性的词语(和短语)分布式向量的表示法的启发,它称为词嵌入。 Mikolov先生等人在其他们的论文“Word2Vec”中描述了一个系统,该系统可以将单词从在相对较低维度的空间向多维实空间进行映射。

他们表明,具有相似含义的词语的嵌入在目标空间中是紧密相连的。这无疑是一个巨大的进步,因为简单的句式文法会对小的句法差异产生截然不同的映射,而不介意使用同义词之类的表达方式。这种系统还有其他很大的好处,因为几百个实数的向量比达数百万级别的简单的独热码one-hot encodings更容易处理。

低维度的词嵌入矢量被看作是短语的表示含义,这就是Google的零点多语翻译(Zero-Shot Multi-Lingual Translation)所使用的。 

Word2vec不是一个真正的深度学习系统,因为它不是基于多层人工神经网络(multi-layer artificial neural networks)。它的强大功能来源于这样一个事实:它是一种无需监督的方法,不需要训练数据,可以很好地扩展到数十亿个单词,并且能够在目标紧致矢量空间中保持距离上的语义相似性。

Google的机器翻译项目是深度学习取得惊人进展的一个很好的例子,它不仅会使计算机翻译更加准确,还会更加接近计算机。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,423评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,147评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,019评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,443评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,535评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,798评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,941评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,704评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,152评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,494评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,629评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,295评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,901评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,978评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,333评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,499评论 2 348

推荐阅读更多精彩内容