面向维汉神经机器翻译的双向重排序模型分析

被引：9

作者：

张新路 ^{[1
,2
,3
]}

李晓 ^{[1
,2
,3
]}

杨雅婷 ^{[1
,2
,3
]}

王磊 ^{[1
,2
,3
]}

董瑞 ^{[1
,2
,3
]}

机构：

[1] 中国科学院新疆理化技术研究所

[2] 中国科学院大学

[3] 新疆民族语音语言信息处理实验室

来源：

北京大学学报(自然科学版) | 2020年 / 56卷 / 01期

关键词：

神经机器翻译; 集成学习; 双向重排序; 维吾尔语;

D O I：

10.13209/j.0479-8023.2019.093

中图分类号：

H085.3 [两种语言的翻译]; TP391.2 [翻译机];

学科分类号：

050211 ; 081203 ; 0835 ;

摘要：

在维吾尔语到汉语等低资源语料库上,神经机器翻译的拟合训练容易陷入局部最优解,导致单一模型的翻译结果可能不是全局最优解。针对此问题,通过集成策略,有效整合多个模型预测的概率分布,将多个翻译模型作为一个整体;同时采用基于交叉熵的重排序方法,将具有相反解码方向的翻译模型相结合,最终选出综合得分最高的候选翻译作为输出。在CWMT2015维汉平行语料上的实验结果表明,与单一的Transformer模型相比,改进后的方法提升4.82个BLEU值。

引用

页码：31 / 38

页数：8

共 6 条

[1] 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) :42-51

[2]

统计自然语言处理[M]. 清华大学出版社 , 宗成庆, 2013

[3]

Bagging and Boosting statistical machine translation systems[J] . Tong Xiao,Jingbo Zhu,Tongran Liu.Artificial Intelligence . 2012

[4]

An Empirical Comparison of Voting Classification Algorithms: Bagging, Boosting, and Variants[J] . Eric Bauer,Ron Kohavi.Machine Learning . 1999 (1-2)

[5]

XMU neural machine translation systems for WMT 17 .2 Tan Z,Wang B,Hu J,et al. Proceedings of the Second Conference on Machine Translation . 2017

[6]

The university of edinburgh''s neural mt systems for wmtl7 .2 Sennrich,R,Birch,A,Currey,A,Germann,U,Haddow,B,Heafield,K,Miceli Barone,A.V,Williams,P. Proceedings of the Second Conference on Machine Translation . 2017

← 1 →