们不单纯是基于NMT路径研发，而是采取了统计机器翻译与神经机器翻译结合模式”

    余凯回道。

    “据我所知，百度那边可能还在考虑如何用NMT代替原先的统计机器翻译，等他们摸索出单纯NMT会消耗大量算力后，可能就会转向两者相结合模式”

    “但这需要时间”

    “那我们是直接跳过了这个过程了嘛？”

    王卓问道。

    “也不是，之前我们在推荐算法上是有相关的研发，特别是通过CUDA大赛进来的研究员，他们习惯用GPU解决问题”

    余凯笑着摇头解释道。

    “在关于NMT的论文发表后，我们直接就启动了关于NMT路径的研发”

    “通过神经机器翻译确实要比统计机器翻译要精准得多，但一些短句、单词也用NMT就有些不适合了”

    “因为我们完全可以提前储备相关高频词汇，不需要每

    “也就是统计机器翻译负责在词库里翻找常用短句或单词，而涉及到了长文则使用Deep调用GPU的算力来进行深度翻译”

    “这样一来，我们既节省了GPU的算力，又能够提供多样的翻译服务”

    “当然了，目前的调校还是有点问题的，特别是长句与短句的识别问题”

    “我懂”

    《饿死鬼情未了》嘛！！！

    王卓点点头，随即又问道。

    “那中译英呢？课程表对于中译文还是有很大的需求的，特别是毕业论文这款，可能相比英译中，中译英的需求会更大”

    “可以试一下，但中译英的效果没有英译中好”

    余凯在演示之前，提醒了一句。

    王卓闻言，轻轻颔首。

    这个他能理解。

    中文博大精深，不是简单的根据因词翻译就行。

    不过理解归理解，当他看到“人山人海”翻译成了“People untain people sea”后，大脑还是有那么一瞬的宕机。

    还真是字面翻译啊！！！

    “甲方承担全部物流费用”翻成了“A party bear all send goods ney”（一方承担全部货款）

    “逾期支付违约金”翻成了“Over ti st lose ney pay ney”（随着时间的推移，必须赔钱、付钱）

    这中译英不是效果不如英译中，这TM的就是完全就不能用啊！！！