文献类型：期刊文章

作　　者：李强[1] 黄辉[2] 周沁[2] 韩雅倩[1] 肖桐[1,3] 朱靖波[1,3]

LI Qiang;WONG Fai;CHAO Sam;HAN Ya-Qian;XIAO Tong;ZHU Jing-Bo(Natural Language Processing Laboratory,Northeastern University,Shenyang 110000;Natural Language Processing&Portuguese-Chinese Machine Translation Laboratory,University of Macao,Macao 999078;Shenyang Yatrans Network Technology Co.,Ltd.,Shenyang 110000)

机构地区：[1]东北大学自然语言处理实验室,沈阳110000 [2]澳门大学自然语言处理与中葡机器翻译实验室,澳门999078 [3]沈阳雅译网络技术有限公司,沈阳110000

出　　处：《计算机学报》

基　　金：国家自然科学基金(61432013;61732005;61672555);中央高校基本科研业务费;澳门大学多年度研究资助(MYRG2017-00087-FST;MYRG2015-00175-FST;MYRG2015-00188-FST);澳门科学技术发展基金;国家自然科学基金联合科研资助项目(045/2017/AFJ)资助~~

年　　份：2019

卷　　号：42

期　　号：3

起止页码：566-581

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于神经机器翻译模型简单、通用和有效,神经机器翻译模型已成为目前最受关注的机器翻译模型.在神经机器翻译模型中,通过引入词汇翻译表和短语翻译表可以提高翻译质量.然而,对于已经存在的人工整理的翻译模板或者启发式算法生成的翻译模板,目前已有的神经机器翻译框架不存在有效的方法对这些翻译模板进行建模.该文研究的主要内容是将翻译模板内嵌到端到端的神经机器翻译模型中.为此,我们提出了模板驱动的神经机器翻译模型,该模型通过使用额外的模板编码器对翻译模板进行端到端建模,通过使用知识门阀和注意力门阀动态地控制解码过程中不同来源的知识对当前解码词汇的贡献度的大小.知识门阀的主要作用是对源语言句子和翻译模板的信息进行有效的表示,从而更好地对解码器进行初始化.注意力门阀是一个基于时序的门阀,可以动态地控制当前翻译词汇接收源语言句子或者翻译模板信息的多少.最终实验结果表明,该文提出的方法对模板进行了有效的建模,20%词汇标准模板在汉英和英汉翻译任务上的翻译正确率分别高达93.6%和95.1%.与基线翻译系统相比,在汉英和英汉翻译任务上使用含有20%词汇的标准模板时,翻译性能可以增长4.2～7.2个BLEU值.当翻译模板中的真实词汇增加时,翻译质量得到进一步提升.

关 键 词：人工智能 自然语言处理 神经机器翻译  翻译模板 门阀

分 类 号：TP391.2]