发布了nyuraru机器翻译(β)

在本公司经营的免费的翻译网站CROSS-Transer的日英的/英日翻译,
新追加了"nyuraru机器翻译"的功能。

 

nyuraru机器翻译?

nyuraru机器翻译(NMT:Neural Machine Translation)是使用作为机器学习的一手方法的神经网的机器翻译。

神经网在模仿人类的脑的结构的计算模特是翻译的另外也被在图片的分析或者汽车的自动驾驶技术等的各种各样的领域应用的注目度的高的AI技术。

为解除迄今为止的机器翻译的弱点,更提供精度的高的机器翻译也在本公司研究这个最新技术了。这次作为试用版公开那个成果的第1弹了。

 

与迄今为止的机器翻译的不同

本公司迄今为止开发的机器翻译系统正在语法规则和词典信息的基础上用规则库机器翻译(RBMT:Rules-Based Machine Translation)这个手法形成译文。

因为可以说是挖补词典的译文的做法所以意思正确直译风格的可靠,稍稍有在难以看的意思成为倾向的有特征。

因为面对面,NMT实际上学习人类翻译的文章所以在对人类也被形成的译文写的东西近的自然的文章成为的有特征。
为此,需要口语以及意译的句子在RBMT当做弱点的句子的翻译有强大的倾向。

不过为重视,把全体的语气而不是翻译各被像RBMT那样输入的句子一个词的翻译成自然的表达一部分的单词中途脱落,有作为数字的翻译错误的大概的侧面。
彻底地不擅长没在特别学习的数据而来的单词的翻译。

 

实际的翻译例

实际上用NMT的意思跟RBMT比较。

原文 I am not rich, nor do I wish to be.
RBMT
富裕,我
NMT
我不有钱,也不认为想得

为在RBMT,be以后继续的rich被省略不能巧妙翻译,
在NMT,能漂亮地翻译。省略第2次I,硬着头皮不翻译的是看似日语的写法。

看下一个例子吧。

原文 Vanessa goes to school everyday.
RBMT
维尼莎每天上学。
NMT
boneta每天去学校。

下次没问题在RBMT,但是没能在NMT正确翻译Vanessa这个名字。
因为为了能翻译不在学习数据而来的单词各种各样试行错误,正研究所以被翻译成不能据说近的声音,但是仍然错误。

像这样,有对哪个方面好的方面和不好的方面,据说哪个一概杰出难。

因为在CROSS-Transer,传统的RBMT当然可以使用让各种各样翻译,使用所以,请比较!

 

今后的预料

让今后学习的数据的充实以及举例说明了的专有名词的翻译的改进打算继续性地提升NMT的功能。

另外,融成一体的新的翻译系统的开发正在进行RBMT和NMT的功能。

今后请期待对Cross Language的机器翻译的行动!