×

基于深度神经网络的统计机器翻译模型研究。 (英语) Zbl 1459.68219号

摘要:随着翻译需求的增加、信息技术的进步、语言学理论的发展以及人工智能研究中自然语言理解模型的进步,机器翻译逐渐受到世界范围的关注。然而,目前机器翻译研究仍然存在双语数据不足、缺乏有效的特征表示等问题,影响了机器翻译关键模块如词语对齐、序列调整和翻译建模的进一步改进。机器翻译的效果仍然不令人满意。深度神经网络作为一种新的机器学习方法,可以自动学习抽象特征表示,并在输入和输出信号之间建立复杂的映射关系,为统计机器翻译研究提供了一种新思路。首先,将多层神经网络与无向概率图模型相结合,有效地利用词汇的相似性和上下文信息对词语对齐进行更充分的建模,构建了NNWAM词语对齐模型。其次,将使用低维。将特征表示与其他特征组合成一个线性有序的预排序模型,构建一个称为NNPR的预排序模式。最后,将词对齐模型和预排序模型结合在同一深度神经网络框架中,形成基于深度神经网络的统计机器翻译模型DNNAPM。实验结果表明,与比较模型算法相比,基于深度神经网络的统计机器翻译模型具有更好的效果、更快的收敛速度和更好的可靠性。

MSC公司:

68T50型 自然语言处理
68T07型 人工神经网络与深度学习

软件:

STEWord公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Claycomb,J。;Abreu-Goodger,C。;Buck,AH,《蠕虫与其宿主之间的RNA介导通信:缺失的链接》,《RNA生物》,14,4,436-441(2017)·doi:10.1080/154762862016.1274852
[2] 苏,J。;曾杰。;Xiong,D.,层次-序列注意神经机器翻译模型,IEEE/ACM跨音频语音语言处理,26,3,623-632(2018)·doi:10.1109/TASLP.2018.2789721
[3] Lo,B。;泽特勒,P。;密歇根州西达斯,《人类胚胎干细胞研究伦理学的新时代》,干细胞,23,10,1454-1459(2010)·doi:10.1634/stemcells.2005-0324
[4] 柯特莫拉。;J.加雷。;Kamara,S.,《可搜索对称加密:改进的定义和高效构造》,《计算安全杂志》,第19、5、895-934页(2011年)·doi:10.3233/JCS-2011-0426
[5] 孙,Y。;徐,J。;Qiang,H.,基于RBF神经网络最小参数学习方法的磁浮系统自适应滑模控制,测量,141217-226(2019)·doi:10.1016/j.测量2019.03.06
[6] Chakraborty,S。;Khasidashvili,Z。;Seger,CJH,《单词级验证的符号轨迹评估:理论与实现》,《形式方法系统设计》,50,2-3,1-36(2017)
[7] Kim,K。;公园,EJ;Shin,JH,基于差异的短语统计翻译模型精细剪枝,《计算语言》,41,C,146-160(2017)·doi:10.1016/j.csl.2016.06.006
[8] 戴,X-G;Wang,P.,基于季节环流模式的青藏高原周围大规模气候状况新分类,Adv Clim Change Res,8,1,26-36(2017)·doi:10.1016/j.accre.2017.01.001
[9] 阿什拉夫,N。;Ahmad,M.,《机器翻译技术及其比较研究》,《国际计算机应用杂志》,第125、7、25-31页(2015年)
[10] 高,S。;杨,X。;Yu,Z.,基于纳西依存语言模型的汉语-纳西语机器翻译方法,国际机器学习网络,8,1,333-342(2017)·doi:10.1007/s13042-014-0325-2
[11] Dong,W。;Chi,M.,用于表示组合语义的递归神经网络中具有二次连接的长短期记忆,IEEE Access,516077-16083(2017)·doi:10.1109/ACCESS.2016.2647384
[12] 张,X。;梁,Y。;Chen,L.,基于递归自动编码器的无监督特征学习用于高光谱图像分类,IEEE Geosci Remote Sens Lett,14,11,1928-1932(2017)·doi:10.1109/LGRS.2017.2737823
[13] 王,S。;丛,Y。;曹,J.,通过相似抑制词典选择实现可缩放胃镜视频摘要,Artif Intell Med,66,1-13(2016)·doi:10.1016/j.artmed.2015.08.006
[14] F.古兹曼。;Joty,S。;Márquez,L.,用神经网络进行机器翻译评估,计算语言,45180-200(2017)·doi:10.1016/j.csl.2016.12.005
[15] 丁,C。;Sakanushi,K。;Touji,H.,《统计日语到英语机器翻译的块间、块内和块外预排序》,ACM跨亚洲低分辨率Lang-Inf Process,15,3,1-28(2016)·doi:10.1145/2818381
[16] Chong,CC;Lim,TY;Soon,LK,带结构语义的基于实例的机器翻译中的意义保留,专家系统应用,78,242-258(2017)·doi:10.1016/j.eswa.2017.02.021
[17] 哈斯勒,E。;Gispert,AD;Stahlberg,F.,《统计机器翻译的源句简化》,《计算语言》,45,C,221-235(2017)·doi:10.1016/j.csl.2016.12.001
[18] Song,Z.,中国重型运载火箭控制系统关键技术研究,中国国际航空公司,18,2,13-22(2017)
[19] Marmanis,D。;达特库,M。;Esch,T.,使用图像网预处理网络进行深度学习地球观测分类,IEEE Geosci Remote Sens Lett,13,1,105-109(2016)·doi:10.1109/LGRS.2015.2499239
[20] 韦伯,M。;Fackeldey,K。;Schütte,C.,无集马尔可夫状态模型构建,化学物理杂志,146,12,124133(2017)·数字对象标识代码:10.1063/1.4978501
[21] 沈,M。;Dan,Y.,控制具有不完全转移概率的马尔可夫跳跃线性系统的有限频率方法,应用数学计算,295,53-64(2017)·Zbl 1411.93186号
[22] Kang,L。;徐,L。;赵,J.,基于词对齐模型从在线评论中共同提取意见目标和意见词,IEEE Trans Knowl Data Eng,27,3,636-650(2018)
[23] 吴,ZG;Ju,惠普;Su,H.,具有混合时滞和分段常数转换率的马尔可夫跳跃神经网络的无源性分析,非线性模拟现实世界应用,13,5,2423-2431(2012)·Zbl 1260.60172号 ·doi:10.1016/j.nonrwa.2012.02.009
[24] 莫,YY;郭,JY;Yu,ZT,一种基于特征约束的越南-中国双语词语对齐算法,国际机器学习网络,6,4,537-543(2015)·doi:10.1007/s13042-014-0293-6
[25] 刘毅,基于改进认知神经网络的数字图像识别,Transl Neurosci,10,1,125-128(2019)·doi:10.1515/tnscience 2019-0021
[26] He,W.,计算神经科学在表面粗糙度光纤传感器中的应用,Transl Neurosci,10,1,70-75(2019)·doi:10.1515/tnscience 2019-0012
[27] 陈,MC;卢,SQ;Liu,QL,有界域内电动流体二维模型的全局正则性,应用数学学报,Engl Ser,34,2398-403(2018)·Zbl 1392.35204号 ·doi:10.1007/s10255-018-0740-3
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。