10.3969/j.issn.1007-130X.2019.07.016
基于改进seq2seq模型的英汉翻译研究
目前机器翻译主要对印欧语系进行优化与评测,很少有对中文进行优化的,而且机器翻译领域效果最好的基于注意力机制的神经机器翻译模型—seq2seq模型也没有考虑到不同语言间语法的变换.提出一种优化的英汉翻译模型,使用不同的文本预处理和嵌入层参数初始化方法,并改进seq2seq模型结构,在编码器和解码器之间添加一层用于语法变化的转换层.通过预处理,能缩减翻译模型的参数规模和训练时间20%,且翻译性能提高0.4 BLEU.使用转换层的seq2seq模型在翻译性能上提升0.7~1.0 BLEU.实验表明,在规模大小不同的语料英汉翻译任务中,该模型与现有的基于注意力机制的seq2seq主流模型相比,训练时长一致,性能提高了1~2 BLEU.
深度学习、神经机器翻译、seq2seq模型、注意力机制、命名实体识别
41
H085(应用语言学)
国家自然科学基金61502350;2017 广东高校省级重点平台和重大科研项目2017GKTSCX042
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
1257-1265