基于谷歌神经机器翻译的英汉翻译研究

发布时间：2022-02-12 14:08

　　近年来,随着深度学习的再度兴起,神经机器翻译NMT逐渐取代了传统的基于短语的统计机器翻译方法,特别是基于Seq2Seq的神经机器翻译模型比较契合端对端的语言翻译模式,获得了业界研究人员的重点关注。然而与传统的统计机器翻译相比,神经机器翻译,特别是基于大规模数据集的神经机器翻译模型仍然存在缺陷,其训练和推理速度缓慢、存在翻译不完全的问题被暴露出来。同时受词汇表规模的限制,神经机器翻译在未登录词和罕见词上同样出现了OOV（out-of-vocabulary）问题。针对以上提到的模型翻译不完全和词汇表OOV问题,本文分别提出了以下解决方案:（1）为了解决神经机器翻译在未登录词和罕见词上的OOV问题,我们将英文文本预处理中常见的词干提取技术和数据压缩算法bpe（Byte pair encoding）相结合,提出了一种不同的基于subword（子词）的词序列分割方法。利用该方法我们将英文文本分割为由子词单元组成的词序列,同时利用unigram将中文文本分割为由汉字组成的字符序列。（2）为了防止解码器出现翻译不完全的现象,本文采用了一种可以提高解码器获取上下文信息能力的改进Attention机制—... 

【文章来源】：武汉大学湖北省211工程院校985工程院校教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

MP神经元结构

损失函数曲面图

一种简单的循环神经网络结构

【参考文献】：
期刊论文
[1]机器翻译方法研究与发展综述[J]. 侯强,侯瑞丽.  计算机工程与应用. 2019(10)
[2]知识图谱技术研究综述[J]. 欧艳鹏.  电子世界. 2018(13)
[3]中国翻译服务业研究现状分析[J]. 司显柱,郭小洁.  北京第二外国语学院学报. 2018(03)
[4]结合LSTM和CNN混合架构的深度神经网络语言模型[J]. 王毅,谢娟,成颖.  情报学报. 2018(02)
[5]机器翻译的历史和现状[J]. 冯志伟.  国外自动化. 1984(04)

硕士论文
[1]基于实例的蒙汉机器翻译的研究[D]. 李慧旻.内蒙古工业大学 2016



本文编号：3621861