sp;因为IBM的机器不是那么强大，我们只能引入一些比较简单的统计学方法来提高我们翻译的准确度。
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：“We speak about peace
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We speak，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、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么的，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，光靠想象就知道，能够显著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，但想不到要如何实现，另外就是一些他们连想都没有想到的点。
一整个团队差不多快十年的研发思路，不如林燃一下午的干货多。
加尔文已经怀疑人生了。
“教授的想法不是超前，而是太实际了。
你会感觉天马行空，但实际上结合在一起想想，又会觉得无比的实际。
哪怕现在还没开始，光是从教授提出的框架，我都能想到，采用这套完整方案对乔治敦翻译机器升级后，它的效果会有多好。”加尔文接着感慨道。
现在他终于知道为什么NASA的研究人员和工程师能容忍林燃的毒舌了，差距太大，心服口服。
尤其统计相邻词汇共现频率，这并不难想到，但他们就是想不到。
而用统计方法处理歧义场景，增加统计学算法，这个就他们连想都想不到。
多斯特尔特转过头，微微苦笑道：“我也一直在琢磨。他提出的统计方法，听起来像是天方夜谭，但结果摆在眼前。
我估计了一下，乔治敦翻译系统在教授的指导下，质量至少能提升一大截。
我们不需要精心准备短句，它可以应用在更广泛的场景，而不是局限在军事领域。”
加尔文点点头：“是啊，我一开始还不信，语言这种东西明明是规则驱动的，怎么能靠统计解决？可他用事实让我闭嘴了。
不愧是教授，教授对于本质的洞察力是跨越领域的。”
多斯特尔特沉思片刻：“你说的没错，感觉就好像他能看穿机器翻译的本质。
也许这是数学训练带来的好处，我怕自己再和教授多呆一段时间，我都想去念一个数学博士了。”
加尔文惊讶地看了他一眼：“数学博士？别开玩笑。”
多斯特尔特认真地说：“我没开玩笑。
如果数学真的能够帮助我们更好的洞察本质，我觉得去念一个统计学的博士未尝不可。”
加尔文沉默了一会儿，笑道：“如果你去，我也去。”
多斯特尔特举起啤酒都要溢出的酒杯：“为教授干杯！教授将给我们带来胜利！”
加尔文笑着回应：“干杯！不过教授的脾气，如果教授能温和一点就好了。”
另一边，IBM的两位工程师卡斯伯特·赫德和彼得·谢里丹也对林燃佩服的五体投地。
深夜慢读：csw888.com 丝袜小说网