基于集成学习的最小错误率训练算法

• 作者: 李江梦 王志豪 赵程绮 陈防
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器翻译 最小错误率 训练 集成学习
• 年，卷（期）: 2015,（6）
• 页码范围: 893-899
• 页数: 7页
• 分类号: TP391
• 字数: 6540字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.2015.06.026

摘要

最小错误率训练是统计机器翻译的标准调参方法,在统计机器翻译建模过程中发挥着重要作用.然而,该方法在训练过程中容易出现训练过拟合现象,即开发集训练得到的权重无法很好地适用于翻译测试集.针对该问题,本文引入集成学习方法来优化调参.在调参时挑选不同的特征子集来训练多组特征权重,并计算权重之间的空间距离以删除不合理的特征权重,再根据各组子集在开发集上的BLEU(bilingual evaluation understudy)值来进行加权平均,获得最终的特征权重.NIST和IWSLT实验结果表明,该方法具有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志豪	厦门大学信息科学与技术学院	5	7	2.0	2.0
2	陈防	厦门大学软件学院	1	1	1.0	1.0
3	赵程绮	厦门大学软件学院	1	1	1.0	1.0
4	李江梦	厦门大学软件学院	1	1	1.0	1.0