發(fā)布時(shí)間：2024-06-02 05:54

　　近些年自然語(yǔ)言處理技術(shù)取得了長(zhǎng)足的發(fā)展,機(jī)器翻譯技術(shù)也一直受到了研究者們廣泛的關(guān)注。神經(jīng)機(jī)器翻譯技術(shù)其翻譯模型簡(jiǎn)單,可操作性強(qiáng),不需要大量專家知識(shí),成為了主流翻譯模型。但其仍面臨許多問題。一方面,由于依賴于神經(jīng)網(wǎng)絡(luò)在大規(guī)模語(yǔ)料庫(kù)上訓(xùn)練,所以模型訓(xùn)練的周期都特別長(zhǎng);另一方面,模型在翻譯效果上仍不如人意,會(huì)出現(xiàn)漏譯,誤譯等情況。神經(jīng)機(jī)器翻譯的兩個(gè)主要問題是訓(xùn)練周期長(zhǎng)以及翻譯效果仍不理想。針對(duì)這兩個(gè)問題,在模型的編碼階段和解碼階段分別進(jìn)行了改進(jìn),分別提出了基于衰減權(quán)重?fù)p失函數(shù)的模型以及基于組嵌入的自然語(yǔ)言處理模型:(1)提出一種基于衰減權(quán)重的損失函數(shù)模型幫助在解碼階段進(jìn)行訓(xùn)練。傳統(tǒng)神經(jīng)機(jī)器翻譯的解碼過程中,通常是利用之前翻譯的詞作為解碼器的一部分輸入進(jìn)行下一個(gè)詞的翻譯,所以序列開頭的詞對(duì)翻譯有更大的影響�；�于衰減權(quán)重的損失函數(shù)會(huì)賦予越早出現(xiàn)的詞更大的權(quán)重進(jìn)行訓(xùn)練,從而讓模型盡可能地翻譯對(duì)先出現(xiàn)的詞。在國(guó)際口語(yǔ)機(jī)器翻譯評(píng)測(cè)比賽(IWSLT)翻譯數(shù)據(jù)集上的德英機(jī)器翻譯實(shí)驗(yàn)表明,使用了衰減權(quán)重?fù)p失函數(shù)的模型相比于傳統(tǒng)恒定權(quán)重?fù)p失函數(shù),翻譯的bleu score上面最多提升了 1.63%。(2)提出...

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1利用平行語(yǔ)料進(jìn)行翻譯（1）基于實(shí)例的翻譯方法

1緒論料[4]，包括公開資源軟件本地化的語(yǔ)料和文檔。AcquisCommunautaire語(yǔ)料是由歐盟成員國(guó)簽訂的法律文獻(xiàn)的集合，有超過20多種語(yǔ)言�；�于語(yǔ)料庫(kù)的翻譯方式如圖1.1所示。按翻譯方法提出的先后次序，基于語(yǔ)料庫(kù)的機(jī)器翻譯方法又可以進(jìn)一步劃分為基于實(shí)例的機(jī)器....

圖1.2基于詞的翻譯模型

西安科技大學(xué)碩士學(xué)位論文T'=TargmaxP(T)P(S|T)要解決三個(gè)問題：估計(jì)語(yǔ)言模型概率P（T）；速的搜索算法來求解T’使得P（T）P（T|S）最要求目標(biāo)語(yǔ)言與源語(yǔ)言保持一致，估計(jì)語(yǔ)言模分為基于詞的翻譯模型（圖1.2），基于短語(yǔ)的模型。于20世紀(jì)80年....

圖1.3IBM模型1把詞作為最小的翻譯單元并不一定是最好的選擇

譯又可分為基于詞的翻譯模型（圖1.2），基于短語(yǔ)的翻譯的翻譯模型。型起源于20世紀(jì)80年代末到90年代初IBMCandide項(xiàng)性工作。雖然這一技術(shù)已經(jīng)跟不上最新的技術(shù)水平，但其適用�；�于詞的翻譯模型的例子就是免費(fèi)開源的工具包圖1.2基于詞的翻譯模型IB....

圖1.4基于短語(yǔ)的翻譯模型

圖1.4基于短語(yǔ)的翻譯模型樹的模型將句法假如到了機(jī)器翻譯之中。而且能可以與基于短語(yǔ)的模型相媲美，在某些情況圖1.5統(tǒng)計(jì)機(jī)器翻譯的發(fā)展過程的翻譯方法深度學(xué)習(xí)方法在特征表示和端到端建模方面具

本文編號(hào)：3986950