第148章 你们能比我更懂机器翻译（5k）（3 / 7）

的准确度。

    我把它叫做基于频率的词对齐。

    这也是我们引入统计模型的核。

    我们先要手动分析平行句子，标注俄语词或短语与英语翻译的对应关系。

    俄语句子Мыговоримомире

    英语翻译：「Wespeakaboutpeace

    对齐结果：「мы」对应「we」

    「говорим」对应「speak」

    「о」对应「about」

    「мире」对应「peace」

    然后我们需要对这种对齐的频率进行统计。

    统计每个俄语词或短语在英语中的对应翻译出现的频率。

    例如，在语料中，「говорим」在80%的句子中翻译为「speak」，20%翻译为「talk」。

    这样对于我们就可以构建概率表了。

    将这些概率整理成表格，供机器进行查询。由于内存空间有限，我们暂时只存储高频词对，像出现次数前1000的词对，忽略低频情况。

    当翻译某个词的时候出现多个选择，就参考概率表选择最可能的翻译。

    另外就是统计相邻词的共现频率。мы经常与говорим一起出现，对应Wespeak，机器在翻译的时候则优先选择这个组合。

    通过规则优先处理和统计方法处理模糊情况的方式，来弥补规则的不足！」

    林燃从统计学的角度给他们好好上了一课。

    不过这只是一个开始。

    在座的研究团队们知道了林燃优化策略的轮廓，具体实践过程中还有大量的细节要进行调整丶尝试和优化。

    不过光是现在所说的引进概率，这一点，在座乔治敦翻译机器的资深研究员们都有种恍然大悟的感觉。

    前面讲的优化算法和规则设计什麽的，他们感觉有道理，但判断不了具体实践是不是真的管用。

    但这统计学方法的引入，光靠想像就知道，能够显着提升乔治敦翻译机器的效果。

    当天的工作结束后，红石基地周边的小餐馆里，加尔文和多斯特尔特坐在角落，面前是两杯当地特色的啤酒。

    加尔文放下笔记本，叹了口气说：「利昂，我们真的是蠢货吗？」

    今天听完之后，加尔文都要怀疑人生了。

    林燃提出了一整套的解决方案，这套解决方案里完整也就算了，其中很多点他们都想到过，但想不到