連續(xù)空間模型下的統(tǒng)計機器翻譯.pdf_第1頁
已閱讀1頁,還剩134頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、自然語言(人類語言),是指一個基于文化特點的,用于正式場合正式場合的交流系統(tǒng)[1]。自然語言處理(計算語言學(xué))是指應(yīng)用于學(xué)習、理解和產(chǎn)生自然語言的計算技術(shù)[2]。統(tǒng)計機器翻譯是指利用機器學(xué)習為主要手段,用統(tǒng)計的方法來將一種語言翻譯成另一種語言。作為目前自然語言處理中最流行的方向之一,區(qū)別于基于規(guī)則的機器翻譯,其翻譯范式是基于統(tǒng)計模型對平行雙語語料的分析。其中,基于短語的機器翻譯長時間被認為是最為有效的機器翻譯方法。近年來,隨著計算機性能

2、的提升,以神經(jīng)網(wǎng)絡(luò)為代表的基于連續(xù)空間的機器翻譯開始流行,在不同方面提升了機器翻譯的表現(xiàn):比如語言模型,翻譯模型和一體化端對端的機器翻譯模型等。
  雖然連續(xù)空間模型在機器翻譯中得到了效果的提升,但是其也有顯著的缺點,其中最為代表性的是:
  1)由于采取了非線性的模型,雖然很多工作著力于優(yōu)化相應(yīng)模型,但是訓(xùn)練和運算時間相對于線性模型仍然較慢。
  2)以神經(jīng)網(wǎng)絡(luò)模型為代表的連續(xù)空間模型往往采用特征自動學(xué)習的方法,這樣

3、帶來的優(yōu)點是可以自動提取特征,避免了人工的特征選擇,但是反過來,一些有意義的語義信息被忽略了。
  基于以上已有方法的缺點,本文從基于神經(jīng)網(wǎng)絡(luò)模型和圖模型這兩個連續(xù)空間模型的角度,提升機器翻譯的表現(xiàn)。在神經(jīng)網(wǎng)絡(luò)模型方面:
  1)我們提出了一種將連續(xù)空間語言模型轉(zhuǎn)化為線性語言模型的方法,該方法可以使連續(xù)空間語言模型在保持高性能的前提下,以線性語言模型的速度進行解碼運算。
  2)我們提出了拼接短語這一語言學(xué)概念,利用神

4、經(jīng)網(wǎng)絡(luò)的可擴展性,我們將拼接短語與神經(jīng)網(wǎng)絡(luò)結(jié)合起來,用于提高機器翻譯的自適應(yīng)性和可擴展性。在圖模型方面,我們提出了一個新的雙語語義單元–雙語上下文詞團(Bilingual Contexonym Cliques,BCC)。區(qū)別于目前已有的直接利用上下文或者滑動窗口的詞空間表示方法,BCC蘊含更多的語義信息?;贐CC,我們構(gòu)建了雙語圖語義模型,其可以用于提升基于短語的機器翻譯的表現(xiàn)。
  本文提出的各種算法均在國際公開測評的語料(例

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論