基于改进seq2seq模型的英汉翻译研究

• 作者: 余伟 刘倍雄 刘杰 李石君 肖新凤
• 来源期刊: 计算机工程与科学
• 学科: 文学
• 关键词: 深度学习 神经机器翻译 seq2seq模型 注意力机制 命名实体识别
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1257-1265
• 页数: 9页
• 分类号: H085
• 字数: 7661字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.07.016

摘要

目前机器翻译主要对印欧语系进行优化与评测,很少有对中文进行优化的,而且机器翻译领域效果最好的基于注意力机制的神经机器翻译模型—seq2seq模型也没有考虑到不同语言间语法的变换.提出一种优化的英汉翻译模型,使用不同的文本预处理和嵌入层参数初始化方法,并改进seq2seq模型结构,在编码器和解码器之间添加一层用于语法变化的转换层.通过预处理,能缩减翻译模型的参数规模和训练时间20％,且翻译性能提高0.4 BLEU.使用转换层的seq2seq模型在翻译性能上提升0.7～1.0 BLEU.实验表明,在规模大小不同的语料英汉翻译任务中,该模型与现有的基于注意力机制的seq2seq主流模型相比,训练时长一致,性能提高了1～2 BLEU.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘杰	武汉大学计算机学院	60	642	15.0	23.0
2	余伟	武汉大学计算机学院	34	260	10.0	14.0
3	李石君	武汉大学计算机学院	88	753	16.0	22.0
4	肖新凤	广东环境保护工程职业学院机电工程系	16	13	2.0	3.0
6	刘倍雄	广东环境保护工程职业学院机电工程系	20	24	2.0	3.0