AUTOMATIC TRANSLATION SYSTEM AGAINST DEEP NEURAL AUTOMATIC TRANSLATION SYSTEM

In Our research, we offer a comparison of the statistical automatic translation system (SATS) and the deep neural automatic translation system (DNATS) whose translates from German text (GR) to Arabic text (AR) in the fixed field. The SATS uses the Noisy Channel procedure and the small datasets we developed it from the song of ice and fire saga to translate from GR text to AR text. The DNATS uses the deep neural networks the long short term memory method and the big datasets we developed it from the song of ice and fire saga to translate from GR text to AR text. The evaluation method used to evaluate the two system was the BELU method. We conclude  that the tasks on behalf of SATS and DNATS of a low-resource linguistic for example Arabic and demonstrate that the DNATS cannot cost equally as well as the SATS, the future may still be hopeful for (GR-AR) text DNATS.
 
في بحثنا هذا نقدم مقارنة بين نظام الترجمة الآلية الإحصائي (SATS) ونظام الترجمة الآلية المبني علي الشبكات العصبية العميقة الذي يترجم من النص الألماني إلى النص العربي  في مجال معين. نظام الترجمة الإحصائي تم بناؤه بطريقة القناة الصاخبة ومجموعات البيانات الصغيرة التي طورناها من قصة أغنية الثلج والنار للترجمة من نص ألماني إلى نص عربي. يستخدم نظام الترجمة الآلية المبني علي الشبكات العصبية العميقة الشبكات العصبية العميقة طريقة الذاكرة طويلة المدى ومجموعات البيانات الكبيرة التي قمنا بتطويرها من قصة أغنية الثلج والنار للترجمة من نص ألماني إلى نص عربي. كانت طريقة التقييم المستخدمة لتقييم النظامين هي طريقة تقييم النظم تحت الدراسة. نستنتج أن المهام التي يؤديها نظام الترجمة الآلي الإحصائي أقل من المهام التي يؤديها نظام الترجمة الآلي المبني علي الشبكات العصبية العميقة للغتين قليلة الموارد مثل اللغة العربية وثبت أن تكلفة بناء نظام الترجمة الآلية المبني علي الشبكات العصبية العميقة لا يمكن أن تتساوي مع نظام الترجمة الآلية الإحصائي ، ولا يزال المستقبل يبعث على الأمل بالنسبة لنظام الترجمة الآلية المبني علي الشبكات العصبية العميقة للنص الألماني و النص العربي.