為了將統(tǒng)計(jì)機(jī)器翻譯技術(shù)中的規(guī)則信息引入到端到端的神經(jīng)網(wǎng)絡(luò)模型中,提出了一種將規(guī)則信息轉(zhuǎn)化為近似等價(jià)的序列信息的方法.在此基礎(chǔ)上,提出了兩種融入規(guī)則信息的神經(jīng)機(jī)器翻譯模型,并在基于注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型上進(jìn)行了驗(yàn)證.相對(duì)于未融入規(guī)則信息的基準(zhǔn)模型在美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）評(píng)測(cè)集上的評(píng)測(cè)結(jié)果,上述兩種模型的雙語(yǔ)互譯評(píng)估（BLEU）值均有所提高.實(shí)驗(yàn)表明,將規(guī)則等外部知識(shí)融入到神經(jīng)機(jī)器翻譯系統(tǒng)中是提升模型翻譯質(zhì)量的一種有效途徑. 

【文章來(lái)源】：廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,59(02)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

不同句長(zhǎng)的翻譯質(zhì)量比較

本研究采用的基線模型為基于注意力機(jī)制的RNN模型，其模型結(jié)構(gòu)如圖1所示．基于注意力機(jī)制的RNN模型的編碼器由一個(gè)前向RNN和一個(gè)后向RNN組成，并對(duì)源句子的單詞序列x=(x1,x2，…，xT）從兩個(gè)方向分別編碼，然后再對(duì)得到的中間向量進(jìn)行拼接得到hj，進(jìn)而得到源句子的隱藏層表示h=(h1,h2，…，hT).

翻譯推導(dǎo)樹(shù)與還原樹(shù)

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器翻譯研究新進(jìn)展[J]. 劉群.  當(dāng)代語(yǔ)言學(xué). 2009(02)



本文編號(hào)：3449108