融入依存关联指导的神经机器翻译方法

• 作者: 张民 段湘煜 汪琪 王坤
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 神经机器翻译 依存关联指导 依存关联损失
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机器翻译模型
• 页码范围: 158-163
• 页数: 6页
• 分类号: TP391.2
• 字数: 3866字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201811024

摘要

现有的神经机器翻译模型的注意力机制仅考虑目标端对应源端的关联信息,未考虑源端单词之间的关联信息.通过在源端进行关联性建模,融入依存关联指导,以此加强源端单词之间的关联性,提高机器翻译的性能.首先构建源端隐藏层之间的关联性,其次构建依存关联损失函数,从而将依存关联指导融入基准的神经机器翻译系统.利用循环神经网络基准模型和Transformer基准模型分别在大规模的中-英测试数据集上进行实验,结果表明,相较于基准神经机器翻译系统,融入依存关联指导可以有效提升机器翻译质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王坤	苏州大学计算机科学与技术学院	16	50	3.0	7.0
2	张民	苏州大学计算机科学与技术学院	27	94	5.0	9.0
3	段湘煜	苏州大学计算机科学与技术学院	11	10	2.0	2.0
4	汪琪	苏州大学计算机科学与技术学院	2	3	1.0	1.0