已经疑心一个月百度翻译研发500天！

　　6月30日，百度齐全自立进入、研发的正在线翻译产物百度翻译(正式上线，受到了业界和用户的一般眷注。这款由天下级顶尖机械翻译研发团队历时一年多时光打造的最新翻译器材，也曾遇到过瓶颈疑惑期

　　早正在推算机出生之初的上世纪40年代，人类就先河了对用推算机主动举行人类讲话翻译的梦思的追赶。几十年来，行动天然讲话治理界限最紧急的商讨宗旨之一，机械翻译本领接续博得冲破。6月30日，百度齐全自立进入、研发的正在线翻译产物百度翻译(正式上线，受到了业界和用户的一般眷注。这款由天下级顶尖机械翻译研发团队历时一年多时光打造的最新翻译器材，也曾遇到过瓶颈疑惑期。百度翻译研发负担人日前独家披露产物背后的故事。

　　互联网的闪现，为机械翻译的研发和运用带来了空前的机会和离间。正在中文搜刮界限处于绝对当先位子的百度，也灵敏认识到了机械翻译的紧急性，并于2010年头，组筑了由天下级机械翻译专家王海峰博士和吴华博士领衔的机械翻译重点研发团队。他们二人皆有着10年以上的机械翻译研发履历，曾告捷开垦过机械翻译产物，也曾正在国际机械翻译评测中以绝对上风取得第一，并公告过数十篇高水准机械翻译论文。王海峰更是天然讲话治理界限天下上影响力最大、也最具生机的国际学术机合ACL(Association for Computational Linguistics)50年史籍上独一被选副主席的华人。

　　由3名正式员工和1名练习生构成的百度最初的机械翻译重点研发团队设置后，便神速先河了百度机械翻译的研发。调研、经营、语料抓取、锻炼器材、解码器等任务统统摊开。 正在百度做机械翻译，一个紧急上风就正在于，百度宏大的海量推算平台和丰盛的海量互联网数据治理履历，可能支持机械翻译团队从海量互联网数据中开掘超大周围的双语语料。行动机械翻译界限资深专家，王海峰分表明了这些双语资源正在机械翻译中的代价。于是，双语语料的探测、抓取和治理，就成了百度机械翻译团队初期的紧急任务之一。 跟着任务的展开，双语语料数目也神速增添，当到达1000万句对的周围时，团队成员们都相当高兴，从事机械翻译任务多年的他们，从未利用这么大周围的双语语料锻炼过编造。但当看到基于这1000万语料锻炼的编造的翻译结果时，行家一忽儿都寂然了，翻译质料远比预期要低！细心理解后涌现，固然这1000万语料依然是从更多的语料当选出的质料较高的个人，却仍有一泰半的低质句对，比方：“how old are you”这么常用而粗略的英文正在网上却被大批地翻译为“何如总是你”，“好好研习、天天向上”这句行家耳熟能详的中文，正在抓取回来的语料中，多人半都被翻为了“good good study， day day up”。如此的句对，行使依然利用的通例双语治理本领很忧伤滤掉。而借使不治理这个题目，语料周围再大也没存心义。于是，语料任务的中心神速转到了低质语料治理。 接下来的一个月，行家一再地舆解、开垦及实习，但又一次次陷入疑惑，大批被同业说明行之有用的手腕偶然间都失灵了，告捷过滤的低质语料不敷10%。历程这个经过，行家慢慢看清了一点，解铃还须系铃人，要思有用治理与守旧的文本数据区别分表大的互联网数据，还要更多地将守旧文本治理本领与互联网本领相联络。于是1个月后，一套全新的互联网双语语料开掘本领计划出炉了。基于这套本领，1000万句对被有用过滤到约400万。令行家兴奋的是，过滤过的400万语料锻炼出来的编造，其质料远远好于基于1000万句对锻炼的编造。新的互联网双语语料开掘本领告捷了！ 之后的时光里，高质料双语语料接续增添，翻译编造质料得以一块攀升。

　　仅仅一年多的时光里，百度翻译即以令业界感叹的速率上线公布，并取得大批用户的一定。与业界同类产物比拟，百度翻译拥有四大本领亮点：机械翻译重点本领、语料开掘和过滤本领、海量推算本领、牢靠的web前端本领。 依托于百度正在中文互联网本领上的上风，百度翻译更加对中文汇集讲话有着奇异的应对才华。如翻译“有木有、我勒个去、神马都是浮云”等汇集时髦语，百度都能精确翻译。从评测结果来看，百度翻译正在应对寻常用语和汇集讲话方面上风鲜明，更加正在翻译结果敦厚反应原文语义及吻合对象讲话习气这两项目标上阐扬特出。如正在百度翻译输入“你们有什么要问的吗？”，百度翻译结果为达意贴切的“Do you have any questions？”；而正在其他较为热点的正在线翻译器材中输入该词，则差异闪现了“What you have to ask it？”、“What do you have to ask？”等含过失领会和语法毛病的翻译结果。 百度翻译干系负担人最终体现，百度翻译团队对机械翻译本领冲破和产物圆满的探索永无终点，守候更多用户利用体验和反应，以接续擢升翻译质料和产物功效，让用户受益。