發(fā)布時(shí)間：2024-03-30 02:36

　　隨著國際交流的日益頻繁和我國一帶一路戰(zhàn)略的推進(jìn),機(jī)器翻譯技術(shù)有效地緩解了不同國家和地區(qū)人民交流和溝通中的語言障礙。近年來,研究提高機(jī)器翻譯系統(tǒng)輸出譯文質(zhì)量的途徑是機(jī)器翻譯領(lǐng)域的熱點(diǎn)之一,對其進(jìn)行研究具有很強(qiáng)的理論價(jià)值和實(shí)踐意義。本文提出了基于神經(jīng)譯文質(zhì)量估計(jì)的多候選譯文的重排序方法,利用最新的聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計(jì)方法來提高機(jī)器翻譯輸出譯文的質(zhì)量。為了驗(yàn)證聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計(jì)方法可以代替譯文自動(dòng)評價(jià)方法準(zhǔn)確地進(jìn)行譯文重排序,我們在WMT19譯文自動(dòng)評價(jià)任務(wù)上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計(jì)方法可以獲得與有參考譯文的譯文自動(dòng)評價(jià)方法相媲美的性能,這說明了聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計(jì)方法可以對同一源語言句子的多個(gè)輸出譯文的質(zhì)量進(jìn)行排序。本文主要提出了基于神經(jīng)譯文質(zhì)量估計(jì)的譯文重排序方法。同時(shí)為了進(jìn)一步提高譯文重排序的效果,我們近似以譯文質(zhì)量估計(jì)得分為似然概率,以翻譯系統(tǒng)在開發(fā)集上的性能為先驗(yàn)概率,計(jì)算譯文的貝葉斯后驗(yàn)概率,并利用后驗(yàn)概率對多個(gè)翻譯系統(tǒng)的輸出譯文進(jìn)行重排序,挑選最優(yōu)的機(jī)器譯文。為了驗(yàn)證該方法的性能,我們在CCMT19英漢和漢英翻譯任務(wù)、WMT18英德和德英翻譯...

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖5-1Transformer模型架構(gòu)[38]

基于質(zhì)量估計(jì)的譯文重排序方法研究255實(shí)驗(yàn)本章主要通過設(shè)計(jì)實(shí)驗(yàn)，驗(yàn)證基于質(zhì)量估計(jì)的譯文重排序方法相比基線系統(tǒng)在性能上的提升。由于不同語言之間語法的復(fù)雜性和差異性，質(zhì)量估計(jì)在一些語言對上表現(xiàn)出與人工評價(jià)較高的相關(guān)性，而在一些語言對上與人工評價(jià)的相關(guān)性較低。因此，本文選擇QE性能表現(xiàn)....

本文編號：3941680