Booking.com联手哈佛优化翻译系统，流畅度逼近人工翻译水平
重塑语言技术领域发展的三个主要趋势在Booking.com平台得到了体现：未来对本地语言内容、便宜且几乎无限制的云端运算能力，以及开源的神经网络机器翻译框架的需求将越来越高。
Booking.com利用这三个趋势打造了产品层面的神经网络机器翻译系统（neural machine translation system，以下简称NMT系统），Booking.com称“这一系统正成为一个非常具有吸引力的解决方案，是对传统的人工翻译服务的补充。”
今年7月25日，负责此项目的团队在康奈尔大学运营的开放科学网站Arxiv.org发布的一份研究报告中宣布此NMT系统上线。
该研究报告的合作作者Pavel Levin、Nishikant Dhanuka、Maxim Khalilov都是Booking.com的高管，他们称研究重点在于对早前针对两个重要的互译模式（英语到德语和英语到法语）和两个通用在线引擎（统计和神经网络）的统计机器翻译系统（statistical machine translation system，简称STM系统）进行了NMT基准测试。
报告作者在该研究摘要中写道：“研究展示了SMT和NMT系统提供的翻译输出的自动评估和人工评估结果，分析了句子长度对这两个系统的输出质量的影响。”
该研究还获得了施普林格欧洲机器翻译协会（Springer European Association for Machine Translation，简称EAMT）在今年5月于捷克首都布拉格举办的第20届年度EMAT峰会上颁发的最佳机器翻译用户研究奖。
研究结果
该研究使用BLEU（双语评价替补，Bilingual Evaluation Understudy，简称BLEU）作为翻译质量评估的主要自动测量方法，披露了三个主要结果：NMT技术一致优于SMT；英德互译模式中，企业内部的NMT结果优于在线通用NMT引擎；NMT翻译的流畅度接近人工翻译水平。
研究者不仅引用了早前一些说明NMT在翻译长句时的翻译质量大幅下降的研究，还使用BLEU测试了长句如何影响NMT和SMT在英德和英法互译模式中的表现。
长句对NMT和SMT在这两种语言互译的影响主要有两点：“翻译质量在长句翻译的表现有所下降，但对于两种语言的互译，NMT的表现依然比SMT要好。”
大幅降低翻译成本
Booking.com对机器翻译很感兴趣，这几乎是意料之中的事情。据公布数字显示，其平台每天预订房间量达140万。该公司总部位于阿姆斯特丹，在全球多个国家和地区设立了办公室。
研究显示，该平台提供40个语种的语言翻译服务。研究指出：“其中一个主要的使用案例是将酒店描述信息从英语翻译成其他语种（包括酒店、公寓、住宿加早餐酒店、旅馆等）。”
通过整合这些公司内部开发的机器翻译解决方案，Booking.com认为这可以提升翻译效率。
研究表明，“通过提高翻译速度、减少一个酒店的介绍从翻译到上线的时间和大幅降低相应翻译成本”，翻译效率可以得到提升。
联手哈佛，开发NMT系统性能
Booking.com商务负责人以及该研究合作作者之一的Maxim Khalilov表示，Booking.com花了半年的时间内部开发NMT的内部性能，其中不包括花在统计机器翻译开发和测试的时间。
据Khalilov透露，他们使用的开发框架是由哈佛大学提供的基于Torch的编程解决方案OpenMT，这一解决方案还得到语言翻译软件商Systran的支持。
哈佛自然语言处理机构的Alexander Rush在去年12月OpenMT上线时接受了Slator的采访，他表示：“希望能有不同的研究者研究如何提升翻译，并期待业内人士能够越来越熟悉新的人工智能技术”。
当被问到Booking.com是否在其自己的服务器上运营NMT时，Khalilov表示，尽管他们在某些实验中使用自己的图形处理器（graphical processing units），Booking.com目前主要还是依靠亚马逊云服务（Amazon Web Services）运营NMT。
研究指出，Booking.com未来的研究方向将会是内部NMT系统的提升，主要有两个方向——提升未知词和生僻词的处理；提升对商业敏感内容翻译错误的识别。
Khalilov说：“我们已在公司内部识别出10种机器翻译使用案例，根据我们的优先计划，我们将反复关注这些使用案例。”（Nic编译）
（编辑:xueqi）
京公网安备11010802022018号