該文提出了一種融合BERT語(yǔ)境向量的多模型集成的翻譯質(zhì)量估計(jì)方法,以及基于譯文質(zhì)量估計(jì)的多候選譯文重排序方法,實(shí)驗(yàn)結(jié)果表明,這2種方法均取得了較好的實(shí)驗(yàn)效果.

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1CCNN模型結(jié)構(gòu)圖

為了結(jié)合BERT語(yǔ)境詞向量與質(zhì)量向量,將每個(gè)目標(biāo)詞對(duì)應(yīng)的2種向量分別輸入卷積神經(jīng)網(wǎng)絡(luò)中,計(jì)算出描述整個(gè)譯文的忠實(shí)度向量和流利度向量,然后將忠實(shí)度向量和流利度向量連接,輸入單個(gè)節(jié)點(diǎn)的全連接層,使用sigmoid激活函數(shù)輸出譯文質(zhì)量得分.模型的整體結(jié)構(gòu)如圖1所示,圖1中左下、右下部分....

本文編號(hào)：3895416