文献类型：期刊文章

作　　者：谭琪辉[1] 周兰江[1] 张建安[1]

TAN Qihui;ZHOU Lanjiang;ZHANG Jian'an(The Key Laboratory of Intelligent Information Processing School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming,Yunnan 650500,China)

机构地区：[1]昆明理工大学信息工程与自动化学院智能信息处理重点实验室,云南昆明650500

出　　处：《中文信息学报》

年　　份：2023

卷　　号：37

期　　号：1

起止页码：79-87

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：双语句子对齐能够为机器翻译、信息检索等跨语言领域任务提供高质量的平行语料,在低资源的老挝语自然语言处理研究中显得尤为重要。由于汉老双语文本中存在非单调对齐(交叉对齐和空对齐)的情况,容易影响汉老句子对齐的效果。此外,人名、地名作为新闻要素,大多属于未登录词,也给汉老句子对齐研究增加了难度。该文提出了一种融合局部和全局语义信息的汉老双语句子对齐方法。首先,将汉老双语句长特征和人名地名特征融入Glove词向量,然后利用双向门控循环单元对特征词向量进行编码,以得到更细粒度的句子局部信息。其次,引入交互注意力机制,提取双语句子中的全局信息,保证对上下文语义特征的有效利用。最后,在多层感知机的基础上引入KM算法,该方法可以处理非单调对齐文本,提高模型的泛化能力。实验结果表明,该方法显著提高了汉老双语新闻语料的对齐性能。

关 键 词：汉老双语句子对齐  语义信息 双向门控循环单元  注意力机制  

分 类 号：TP391]