对机器翻译技术的实用分析：以保护梵语的真实性为目标

《ACM Transactions on Asian and Low-Resource Language Information Processing》：A Pragmatic Analysis of Machine Translation Techniques for Preserving the Authenticity of the Sanskrit Language

梵语在机器翻译中的应用研究对比了统计与神经机器翻译效果，发现NMT在跨梵语与印地语转换中表现更优。通过多源数据采集构建完整训练集，重点分析了梵语语法结构、复合词特性及文化专有表达对MT系统的影响，探讨了梵语作为古老语言在数字时代传承的挑战与机遇。

　　

摘要

机器翻译作为一个研究领域已经存在了六十多年，但在过去十年中，随着个人计算机处理能力的提升，它变得尤为重要。本文旨在探讨梵语在各种机器翻译系统中作为源语言、目标语言或辅助语言的运用。为了研究机器翻译，研究人员采用了多种策略，包括基于语料库的方法、直接翻译方法和规则驱动的方法。在机器翻译中使用梵语的主要目的是评估其适用性、词汇量以及在采用适当的机器翻译方法时的表现。该研究考察了开发机器翻译系统的各种建模策略，特别是统计机器翻译和神经机器翻译，以弥合梵语与其现代继任语言印地语之间的差距。在统计机器翻译中，通过将源语言和目标语言的单词与统计模型及双语语料库进行匹配来生成翻译结果；而神经机器翻译则利用人工神经网络来预测词序列的概率，通常在一个集成模型中对整个短语进行建模。神经机器翻译采用编码器-解码器架构，并结合注意力机制来实现。本文最重要的贡献之一是运用了多种数据来源、数据收集和数据抓取方法来构建完整的数据集。研究结果表明，神经机器翻译在性能上优于统计机器翻译方法。此外，本文还分析了梵语的独特特性以及研究人员在构建机器翻译系统时所遇到的困难。本研究探讨了梵语在机器翻译中的应用，并分析了统计机器翻译和神经机器翻译等多种建模方法。文章强调了神经机器翻译的优势，并讨论了梵语在机器翻译发展中的独特特点和挑战。