基于GAN模型优化的神经机器翻译

摘要：

针对神经机器翻译和人工翻译性能的差异最小化、训练语料不足问题,提出了一种基于生成对抗网络的神经机器翻译改进方法.首先对目标端句子序列添加微小的噪声干扰,通过编码器还原原始句子形成新的序列;其次将编码器的处理结果交给判别器和解码器进一步处理,在训练过程中,判别器和双语评估基础值(BLEU)目标函数用于评估生成的句子,并将结果反馈给生成器,引导生成器学习及优化.实验结果表明,对比传统的神经机器翻译模型,基于GAN模型的方法极大地提高了模型的泛化能力和翻译的精度.

关键词：生成对抗网络、神经机器翻译、Transformer、BLEU、深度学习

所属期刊栏目：31

分类号：TP391.9;TN915-34;TP183

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103