人工智能理论的机器自动翻译系统

发布时间：2021-02-09 15:08

　　以高精度翻译多种自然语言的单词/语句为目标,设计基于人工智能的机器自动翻译系统。首先设计了机器自动翻译系统的总体结构,然后重点描述了机器自动翻译系统的核心模块,该模块获取单词/语句通过训练获取词向量,初始词向量并赋予词性特征,采用对数线性模型实现多种自然语言的单词/语句的词向量多特征融合翻译,最后进行了实例分析与验证。结果表明,该系统可高精度翻译自然语言,在不同句型、不同并发用户量、未登录词不同字符数量下,系统翻译性能较为稳定,能够满足实际应用需求。 

【文章来源】：微型电脑应用. 2020,36(11)

【文章页数】：3 页

【部分图文】：

机器自动翻译系统的架构图

神经网络是人工智能理论技术中的一种,采用多特征构建翻译模型,将用户输入的单词/语句通过训练获取词向量。对词向量融入词性特征,去除语义、词义中差异。1.2.1 词向量训练

构建基于连续词向量学习方法的词向量训练模型,词向量训练模型,如图3所示。V表示翻译模块中数据库词典,语句序列为:v1,v2,…,vk。语句的词向量最大化,如式(1)。

【参考文献】：
期刊论文
[1]融合多特征的汉维神经网络机器翻译模型[J]. 朱顺乐.  计算机工程与设计. 2019(05)
[2]面向神经机器翻译的集成学习方法分析[J]. 李北,王强,肖桐,姜雨帆,张哲旸,刘继强,张俐,于清.  中文信息学报. 2019(03)
[3]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)
[4]基于释义信息的维汉机器翻译系统融合研究[J]. 王亚娟,李晓,杨雅婷,米成刚.  计算机工程. 2019(04)
[5]模板驱动的神经机器翻译[J]. 李强,黄辉,周沁,韩雅倩,肖桐,朱靖波.  计算机学报. 2019(03)
[6]基于句子级BLEU指标挑选数据的半监督神经机器翻译[J]. 叶绍林,郭武.  模式识别与人工智能. 2017(10)
[7]神经机器翻译系统在维吾尔语-汉语翻译中的性能对比[J]. 哈里旦木·阿布都克里木,刘洋,孙茂松.  清华大学学报(自然科学版). 2017(08)
[8]基于统计分析的蒙汉自然语言的机器翻译[J]. 苏依拉,乌尼尔,刘婉婉.  北京工业大学学报. 2017(01)
[9]深度递归的层次化机器翻译模型[J]. 刘宇鹏,马春光,张亚楠.  计算机学报. 2017(04)



本文编号：3025825