科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对树形神经机器翻译方法存在的局限性，提出一种动态词汇化依赖编码的树形神经机器翻译方法。通过词汇化依赖编码模型简化模型的网络架构，减少模型参数的数量，解决过度翻译问题；通过引入变异递归神经网络（RNN），能够同时考虑长距离依赖关系和单词的顺序信息；采用一个潜在向量动态调节每个节点表示的组成参数，适应短语的语法语义丰富性特点。翻译实验结果验证了所提动态词汇化依赖关系模型显著优于英语-汉语和英语-德语翻译任务中传统树形模型。
-
单位郑州轻工业大学; 河南财政金融学院
