一种BP神经机器英语翻译自动化评判系统的设计

发布时间：2024-03-01 22:50

　　为了提高英语语句翻译评判工作的准确性和效率,引入人工智能和计算机技术进行自然语言自动化处理成为当前研究热点。文中提出了一种先分裂过滤、再提取优化和最后交互融合的英语文本自动评判算法,设计了一种BP神经机器评判系统。经过机器评判与教师自主评判同一英语语句样本,测试结果表明,ETSS系统性能优异,提高了评判的可靠性和正确率,降低了英语翻译评判工作的人为干预度和误判率。

【文章页数】：6 页

【部分图文】：

图1ETSS系统基本框架图

ETSS(EnglishTranslationScoringsystem)的基本框架如图1所示,系统的主要功能分为文本特征提取、计算权重和决策评判三个核心模块。系统使用已经标注好的语料库,即某高校近8年的翻译题文本库,以及全国大学英语四级和六级语料库,搭建词汇质量评价模型、....

图2特征文本两层小波包分解法

图2为特征向量的过滤、提取方法。通过Doc2Vec将文本解析得到文本向量特征,通过NLTK和StanfordParser工具包采样得到特征细节,第2层分解亦同,空间划分更为细致。不能仅靠一次过滤提取得到文本特征度,应连续重复过滤多次以避免偶然条件下的误动作,利用小波变换和短时傅....

图3综合评判流程图

前面提取的语句文本特征向量,再分别由语句词汇质量评价模型GBRT[14]、语句优美性评价模型CNN[8]和语句相关性评价模型LSTM[15],经Stacking方法[1]集成学习之后,输入到经过训练好的BP神经机器评判模型当中,进行交互式融合提升回归验证训练,获得语句文本最终评分....

图4BP神经机器评判逻辑结构

提出的ETSS系统是建立在BP神经网络算法和机器学习[16]的基础上,进行自动化评判英语语句翻译的结果,这种评判方法可以考虑到英语语句的语言因素,相对准确地判断语句翻译的对错。如图4所示的BP神经机器评判逻辑结构,ETSS系统将翻译结果评判引入BP神经机器算法[17]中,保证输入....

本文编号：3915939