融合統(tǒng)計機器翻譯特征的蒙漢神經網絡機器翻譯技術.pdf

1、隨著機器翻譯的發(fā)展，統(tǒng)計機器翻譯已經進入瓶頸期很難有所提高，因此研究人員逐步將研究目光投向神經網絡機器翻譯方向。神經網絡機器翻譯也在大規(guī)模語料上取得了很好的翻譯效果，而對小規(guī)模語料的神經網絡機器翻譯研究甚少。但是作為新的機器翻譯方法它也存在一些限制:(1)神經網絡機器翻譯為了降低訓練的復雜度通常會將詞典的大小限制到一個特定的范圍內，從而導致嚴重的未登錄詞問題，這個問題嚴重影響了翻譯效果;(2)神經網絡機器翻譯的解碼缺乏保證源語言詞都被翻

2、譯的機制從而傾向于短的翻譯結果;(3)神經網絡機器翻譯不能很好的利用語言模型。
　　基于以上原因，本文在小規(guī)模的蒙漢平行語料上實現了神經網絡機器翻譯，并提出通過統(tǒng)計機器翻譯中的特征來緩解神經網絡機器翻譯中的問題。首先本文搭建了基于注意力的蒙漢神經網絡機器翻譯系統(tǒng);其次，本文提取了統(tǒng)計機器翻譯特征:翻譯模型，詞反饋信息以及語言模型，并定義了其特征函數;第三，本文通過蒙漢平行語料利用GIZA++建立了蒙漢對齊詞典，利用IRSTLM對漢

3、文建立了語言模型;第四，本文將已經建立的蒙漢對齊詞典、語言模型以及詞反饋信息通過對數線性模型融入到基于注意力的神經網絡機器翻譯的解碼中從而處理神經網絡機器翻譯中的限制;最后，本文針對神經網絡機器翻譯中的未登錄詞問題提出了在翻譯過程中處理和翻譯后處理的兩種處理方法，大幅度減少了神經網絡機器翻譯中的未登錄詞。
　　實驗結果表明，通過融合統(tǒng)計機器翻譯特征的蒙漢神經網絡機器翻譯明顯地提升了翻譯質量，BLEU值提高至30.66，句子長度由1