科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于端到端的编码器-解码器架构设计递归神经网络(RNN)英语机器翻译模型,促使机器自主学习特征,转变语料数据分布式为词向量,通过递归神经网络直接映射源语言与目标语言。训练时选择语义错误进行目标函数构建,可很好地均衡语义中各个部分的影响作用,并充分考虑对齐信息,为深度递归神经网络训练提供有力指导。通过实验表明,基于递归神经网络的英语翻译模型具备较高有效性与稳定性,与基线系统对比,提升了大约1.51-1.86BLEU分数。
- 单位
基于端到端的编码器-解码器架构设计递归神经网络(RNN)英语机器翻译模型,促使机器自主学习特征,转变语料数据分布式为词向量,通过递归神经网络直接映射源语言与目标语言。训练时选择语义错误进行目标函数构建,可很好地均衡语义中各个部分的影响作用,并充分考虑对齐信息,为深度递归神经网络训练提供有力指导。通过实验表明,基于递归神经网络的英语翻译模型具备较高有效性与稳定性,与基线系统对比,提升了大约1.51-1.86BLEU分数。
