基于神经网络的维汉翻译系统实现

摘要：

小语种的机器翻译由于开发成本和用户规模等原因一般在开源系统的基础上实现在线服务系统.目前,神经机器翻译提供的源代码以theano编写的居多,但是theano编写的机器翻译因翻译速度较慢而无法满足用户需求.在此以如何实现基于theano的稳定维汉神经网络机器翻译系统为目标开展研究,翻译模型采用ALU神经元的多层双向网络框架,使用django实现了翻译服务接口,选用nginx+uwsgi实现了负载均衡以提高翻译速度.实验结果表明,相比于5个翻译引擎构成的系统,10个翻译引擎的系统翻译速度得到1.3～1.55倍的提高.该文的研究结果对于利用开源系统快速实现能够满足日访问量1000万次以下的翻译系统具有重要参考价值.

关键词：小语种、机器翻译、theano、神经网络、开源系统、负载均衡

所属期刊栏目：41

分类号：TN711-34(基本电子电路)

资助基金：国家重点基础研究发展计划2014CB340506;国家自然科学基金61463048;国家自然科学基金61331011;国家自然科学基金61662077;国家自然科学基金61462083;新疆多语种信息技术实验室开放课题2016D03023;"自治区青年科技创新人才培养工程"青年博士项目QN2015BS004

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：157-161