更妙的一点是，有道词典此次“学术进化”，对计算机、医学、金融经济学等专业领域进行了针对性优化，能够提升术语翻译的准确性。

　　比如说，你发现文章self-attention这个词没有翻译出来，可以直接选中这个词并选择术语矫正，将其加入到术语库。应用术语库之后，有道词典再遇上同样的术语，就都能保持一致的翻译。

　　除了把本职的翻译工作整得更加方便准确，与其他翻译工具不同的是，有道词典9这回甚至还打算包办科研党的写论文全流程。

　　就这还没完，甚至在你写论文的时候，有道词典9也能派上用场：其“AI英文写作批改”功能，能够智能识别语法错误、提供例句参考、“母语级”句子润色，还能自动标注引用来源、生成参考文档信息……

　　PDF文档翻译本身是一个比较复杂的问题，涉及多个处理环节，包括PDF文档解析、Word文档渲染、翻译策略、翻译结果回填等等。

　　尤其对于不可解析的PDF（扫描PDF）而言，页面中的文字、矢量、图片等要素其实都包含在同一张图片内，无法直接解析获得。

　　这里面的难点在于，相较于单纯的文字识别，OCR识别论文文档任务会更重。因为不只是文字，论文中表格、图像、公式，如果不能被精准识别出来，会很容易出现内容丢失、排版错乱的问题。

　　此外，为了让版面与原文保持一致，页面的单栏、多栏、页眉、页脚等信息，AI都需要准确判断出来，这样才可能在可编辑文档中恢复出原有版面和内容。

　　文字识别方面，有道自研的OCR算法集成了业内领先的文字检测和识别模型，能达到更高的文字召回率，同时能覆盖几十种主要语种。

　　具体而言，在通过版面分析模型得到版面基本信息之后，AI会根据不同的组成结果，采取不同的提取策略。

　　举个例子，在遇到以文字为主、富含表格的常见版面时，有道词典会主要采取文字组段算法和表格分析算法来处理文档。

　　而以图像为主、背景构成复杂的特殊版面，则原样保留原有版面的所有要素，集中注意力处理文字，最后进行多层叠加渲染。

　　前面提到，除了通用翻译，在有道词典9中，用户还可以选择医学、计算机等专业领域，来进一步提高翻译的准确性谷歌助手能不能翻墙。

　　除此之外，一般在线机器翻译算法都是以句子为单位翻译的，而针对文档翻译的需求，有道词典9这次引入了篇章算法。也就是说，AI在进行翻译时，会联合上下文句子来改进翻译质量。

　　比如在神经网络翻译技术方面，网易有道在2016年已着手自研神经网络翻译模型YNMT，是国内最早开展自研机器翻译技术的团队之一。

　　在OCR技术方面，2017年，网易有道就上线了卷积神经网络 + 循环神经网络的OCR引擎，到现在已经能支持100多语种的识别，还具备语种自动判别和混合识别的能力。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。