哈佛大学翻译（哈佛翻译成英语）

Booking.com平台体现了重塑语言技术领域的三大趋势：本地语言内容的未来、廉价且几乎无限的云计算能力以及开源神经网络机器翻译框架。高的。

Booking.com利用这三个趋势创建了产品级神经机器翻译系统（以下简称NMT系统）。 Booking.com表示，该系统正在成为传统人工翻译服务的补充的非常有吸引力的解决方案。

今年7月25日，负责该项目的团队在康奈尔大学运营的开放科学网站Arxiv.org发表的一份研究报告中宣布推出这一NMT系统。

该研究报告的共同作者、Booking.com高管Pavel Levin、Nishikant Dhanuka和Maxim Khalilov表示，该研究重点关注两种重要的互译模式（英译德和英译法）和两个A具有通用在线引擎（统计和神经网络）的统计机器翻译系统（STM系统）在NMT基准上进行了测试。

报告作者在研究摘要中写道：该研究展示了对SMT和NMT系统提供的翻译输出进行自动和手动评估的结果，并分析了句子长度对两个系统输出质量的影响。

该研究还在今年5月于捷克首都布拉格举行的第20届EMAT峰会上获得了施普林格欧洲机器翻译协会（EAMT）颁发的最佳机器翻译用户研究奖。

研究成果

该研究采用BLEU（Bilingual Evaluation Understudy，简称BLEU）作为翻译质量评估的主要自动测量方法，并披露了三个主要结果：NMT技术始终优于SMT；在英德翻译模型中，内部NMT结果优于在线通用NMT引擎； NMT翻译的流畅度接近人类翻译的水平。

研究人员不仅引用了一些早期的研究表明，NMT 在翻译长句子时翻译质量显着下降，而且还使用BLEU 来测试长句子对NMT 和SMT 在英德和英法翻译模式下的表现有何影响。

长句子对这两种语言的NMT 和SMT 之间的翻译影响主要有两点：在长句子的翻译中，翻译质量有所下降，但是对于两种语言之间的翻译，NMT 的表现还是要好于SMT。

大幅降低翻译成本

Booking.com对机器翻译感兴趣，这几乎是预料之中的事情。根据公布的数据，其平台上每天的房间预订量为140万间。公司总部位于阿姆斯特丹，在全球多个国家设有办事处。

研究表明，该平台提供40 种语言的语言翻译服务。研究指出，主要用例之一是将酒店描述从英语翻译成其他语言（包括酒店、公寓、住宿加早餐酒店等）。

Booking.com相信，通过整合这些公司内部开发的机器翻译解决方案，可以提高翻译效率。

研究表明，可以通过提高翻译速度来提高翻译效率，减少酒店介绍从翻译到上线的时间，并大幅降低相应的翻译成本。

与哈佛大学联手开发NMT系统性能

Booking.com 商务主管、该研究的合著者之一马克西姆哈利洛夫(Maxim Khalilov) 表示，Booking.com 花了半年时间在内部开发NMT 的内部功能，这不包括统计机器翻译开发和测试所花费的时间。

据Khalilov介绍，他们使用的开发框架是哈佛大学提供的基于Torch的编程解决方案OpenMT。该解决方案也得到了语言翻译软件提供商Systran 的支持。

去年12 月OpenMT 推出时，哈佛自然语言处理研究所的Alexander Rush 接受了Slator 的采访。他表示，希望不同的研究人员研究如何改进翻译，并期望业内人士越来越熟悉新的人工智能技术。

当被问及Booking.com是否在自己的服务器上运行NMT时，Khalilov表示，尽管他们在一些实验中使用了自己的图形处理单元，但Booking.com目前主要依赖亚马逊云服务。 （亚马逊网络服务）运营NMT。

研究指出，Booking.com未来的研究方向将是完善内部NMT系统。主要方向有两个：——改进生词和生僻词的处理；并改进对商业敏感内容中翻译错误的识别。

Khalilov表示：我们已经在公司内部确定了10个机器翻译用例，我们将根据我们的优先计划反复关注这些用例。 （尼克编译）