文献类型：期刊文章

作　　者：李霞[1,2] 马骏腾[2] 肖莉娴[3] 王连喜[1,2]

LI Xia;MA Junteng;XIAO Lixian;WANG Lianxi(Guangzhou Key Laboratory of Multilingual Intelligent Processing,Guangdong University of Foreign Studies,Guangzhou 510006,China;School of Information Science and Technology,Guangdong University of Foreign Studies,Guangzhou 510006,China;Faculty of Asian Languages and Cultures,Guangdong University of Foreign Studies,Guangzhou 510006,China)

机构地区：[1]广东外语外贸大学广州市非通用语种智能处理重点实验室,广东广州510006 [2]广东外语外贸大学信息科学与技术学院,广东广州510006 [3]广东外语外贸大学东方语言文化学院,广东广州510006

出　　处：《湖南工业大学学报》

基　　金：国家自然科学基金资助面上项目(61976062);国家社会科学基金资助项目(17CTQ045);广东省普通高校“人工智能”重点领域专项基金资助项目(2019KZDZX1016);广州市科技计划基金资助项目(201904010303)。

年　　份：2020

卷　　号：34

期　　号：3

起止页码：10-16

语　　种：中文

收录情况：JST、PROQUEST、普通刊

摘　　要：低资源场景下神经机器翻译模型的翻译效果通常不如大规模训练数据下的模型翻译效果好。针对这个问题,选取RNN-based和Transformer-based两个主流神经机器翻译模型进行研究,探究在印尼语到汉语翻译在低资源场景下的机器翻译效果,并通过实验分析和案例分析,给出两种模型在印尼语到汉语低资源场景下翻译的适应性分析。

关 键 词：神经机器翻译  序列到序列翻译模型  低资源语言  印尼语-汉语  TRANSFORMER

分 类 号：TP391]