Некоторые алгоритмы машинного перевода для глубоких текстов:

• Нейронный машинный перевод (NMT). 13 В отличие от традиционной системы перевода на основе фраз, в этом подходе строят и обучают большую нейронную сеть, которая читает предложение и контекст. 1 Например, в основе модели Google Translate (GNMT) заложена структура энкодер-декодер: один сегмент нейронной сети ищет возможность уменьшить исходный язык в его фундаментальное понятное машине «универсальное представление», а другой сегмент получает это представление и многократно преобразует лежащие в его основе смыслы в целевой язык. 3

• Алгоритмы на основе фразовых таблиц или статистического машинного перевода. 2 Имея таблицу соответствий и частотности N-грамм на двух языках, можно получить вероятность того, что одно предложение является переводом другого. 2 Один из примеров такой модели — IBM Model 1. 2

• Трансферные системы (Transfer-based Machine Translation). 5 В них текст разбирают на подлежащее, сказуемое, ищут определения и выделяют синтаксические конструкции. 5 После этого в систему уже не закладывают правила перевода каждого слова, а манипулируют целыми конструкциями. 5

• Интерлингвистические системы (Interlingua Machine Translation). 5 Исходное предложение полностью конвертируют в промежуточное представление, единое для всех языков мира — интерлингву. 5 Это специальный метаязык, правила которого едины и покрывают все языки мира. 5