伴隨著全球化的進程,各國之間的經(jīng)濟文化交流日益頻繁,在不同文化的碰撞與融合過程中,如何突破語言障礙,讓機器完成不同語言之間的自動翻譯,最終實現(xiàn)無障礙自由通信,是人們長久以來的夢想。隨著深度學習的發(fā)展,神經(jīng)機器翻譯系統(tǒng)在翻譯質量上取得了長足的進步,其綜合性能顯著超越了傳統(tǒng)的統(tǒng)計機器翻譯系統(tǒng)。神經(jīng)機器翻譯系統(tǒng)在對數(shù)據(jù)進行建模時,僅采用端到端的編碼器-解碼器框架,未結合豐富的先驗性語言學信息。本文嘗試將豐富的語言學信息融入到神經(jīng)機器翻譯系統(tǒng)的編碼器-解碼器框架中,探尋語言學信息的融入內容和融入方法。本文從單詞級別,局部級別,句子級別的角度出發(fā),由小到大,將語言學信息融入到神經(jīng)機器翻譯中,旨在提升神經(jīng)機器翻譯譯文效果。在將語言學信息融入神經(jīng)機器翻譯模型的過程中:首先,本文從單詞的角度出發(fā),將單詞的詞性信息融入到神經(jīng)機器翻譯模型中,通過在目標端新增詞性序列以及共享上下文向量,在解碼階段單詞序列和詞性序列聯(lián)合解碼,詞性序列輔助翻譯單詞序列的生成,實驗結果顯示,融入詞性信息的神經(jīng)機器翻譯方法可以提升機器翻譯譯文質量;其次,本文從句子局部級別的角度出發(fā),將局部關聯(lián)性信息融入到神經(jīng)機器翻譯模型中,通過在...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和研究意義
    1.2 機器翻譯研究現(xiàn)狀
    1.3 本文研究內容
    1.4 本文組織架構
第二章 機器翻譯相關知識
    2.1 序列到序列的神經(jīng)機器翻譯模型
    2.2 帶有注意力機制的NMT模型
        2.2.1 編碼器
        2.2.2 解碼器
        2.2.3 損失函數(shù)
    2.3 基于自注意力機制的Transformer模型
    2.4 集束搜索的解碼策略
    2.5 機器翻譯評價指標
    2.6 數(shù)據(jù)以及數(shù)據(jù)處理
第三章 融入詞性信息的神經(jīng)機器翻譯
    3.1 引言
    3.2 融入詞性信息的神經(jīng)機器翻譯
        3.2.1 詞性介紹
        3.2.2 融入詞性信息的神經(jīng)機器翻譯模型結構
        3.2.3 解碼策略
    3.3 實驗設置與實驗結果
        3.3.1 實驗結果
        3.3.2 解碼速度分析
    3.4 本章小結
第四章 傾向近鄰關聯(lián)的神經(jīng)機器翻譯
    4.1 引言
    4.2 傾向近鄰關聯(lián)的神經(jīng)機器翻譯
        4.2.1 傾向近鄰關聯(lián)整體框架
        4.2.2 傾向源端近鄰關聯(lián)的神經(jīng)機器翻譯
        4.2.3 傾向目標端近鄰關聯(lián)的神經(jīng)機器翻譯
        4.2.4 混合近鄰關聯(lián)的神經(jīng)機器翻譯
    4.3 實驗
        4.3.1 實驗設置
        4.3.2 實驗結果
        4.3.3 實驗分析
    4.4 本章小結
第五章 融入依存關聯(lián)指導的神經(jīng)機器翻譯方法
    5.1 引言
    5.2 融入依存關聯(lián)指導的神經(jīng)機器翻譯
        5.2.1 依存樹介紹
        5.2.2 源端關聯(lián)權重
        5.2.3 整體損失函數(shù)定義
    5.3 實驗結果和分析
        5.3.1 實驗設置
        5.3.2 實驗結果與分析
    5.4 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀碩士學位期間取得科研成果和參與的科研項目
致謝



本文編號：3853979