据2016年8月16日发布的一项神经网络机器翻译（NMT）研究表明，基于短语MT（PBMT）的翻译比较优良，并对于“特别难”的英语到德语翻译能提供更好的结果。

 

研究人员说在过去，NMT被认为相对于PBMT“计算的成本过高和资源要求较多”。意味着，NMT需要消耗大量的电力。然而，这显然自2015年年初已经被改变了，以及NMT正变得更具竞争力。

 

研究人员（意大利特伦托（Trento）凯斯勒布鲁诺基金会的Luisa Bentivogli, Mauro Cettolo, 及Marcello Federico ; 阿姆斯特丹大学的Arianna Bisazza）发现从架构来说，NMT比传统的统计机器翻译系统简单。然而，他们还补充说，有趣的是这个过程相对于NMT是“不太透明”，认为“翻译过程对于分析是完全不透明的。”

 

在这项研究中，研究人员使用的评估数据，是从2015年IWSLT（国际口语翻译研讨会）MT英语至德语任务，并用他们所谓的“前四个排名的系统”比较结果;也就是说，NMT和其他三个基于短语-MT的方法。

 

 

Neural Machine Translation Improving Fast, Study Finds

 

 

A study published on August 16, 2016 claims that Neural Machine Translation (NMT) outperforms phrase-based MT (PBMT) and provides better translations in the “particularly hard” to translate English-German language pair.

 

In the past, the researchers say, NMT was considered “too computationally costly and resource demanding” to compete with PBMT. Well, NMT literally need(ed) a lot of electricity. However, this has apparently changed beginning 2015, and NMT is now becoming more competitive.

 

原文：

https://slator.com/academia/neural-machine-translation-improving-fast-study-finds/