融合篇章上下文有效识别的篇章级机器翻译_第1页
融合篇章上下文有效识别的篇章级机器翻译_第2页
融合篇章上下文有效识别的篇章级机器翻译_第3页
融合篇章上下文有效识别的篇章级机器翻译_第4页
融合篇章上下文有效识别的篇章级机器翻译_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、融合篇章上下文有效识别的篇章级机器翻译汇报人：汪浩 机构：苏州大学 THE MAIN CONTENTS01研究背景介绍02我的模型03总结研究背景介绍第部分1神经机器翻译的发展势头正猛，经典的神经机器翻译模型主要是在句子层次上进行建模，但句子之间丰富的上下文信息没有得到利用。于是近来篇章级机器翻译成为研究的热点，如何充分有效地利用篇章上下文信息是该研究的关键。01 研究背景介绍01 研究背景介绍Improving the transformer translation model with document-level context 使用两个编码器分别计算当前句的表示和篇章级上下文的表示，再

2、将篇章级别信息融入到当前句子的编码器和解码器中。Document-Level Neural Machine Translation with Hierarchical Attention Networks是第一个使用分层注意力机制以结构化和动态的方式来捕捉篇章上下文信息的模型。Enhancing Context Modeling with a Query-Guided Capsule Network for Document-level Translation提出了一种以查询为导向的胶囊网络，将上下文信息聚类到目标翻译可能涉及的不同角度。01 研究背景介绍在篇章级机器翻译中，如何选取当前句的篇

3、章上下文是非常关键的。虽然之前研究使用的篇章上下文不尽相同，但是却少有在选取之前对上下文信息进行识别筛选。我的模型第部分202 我的模型融合篇章上下文有效识别的Transformer模型02 我的模型处理篇章信息的分类器结构图02 我的模型带门控机制的残差网络02 我的模型SystemNIST02NIST03NIST04NIST05NIST08平均值提升Trans-former48.9449.2249.1949.6941.5147.71TF-IDF策略51.0351.7550.8951.2541.6549.31+1.60KL_div策略50.8951.4850.7250.7841.9449.1

4、6+1.45中英翻译任务上，我们的模型与基准系统在各测试集上的翻译性能。02 我的模型SystemDevTest提升Trans-former24.2226.58TF-IDF策略24.2627.11+0.53KL_div策略24.2426.90+0.32英德翻译任务上，我们的模型与基准系统在测试集上的翻译性能。总结第部分3添加标题03 总结针对篇章机器翻译如何更高效利用上下文信息的问题，本文提出了一种新的模型结构。首先在现有NMT模型基础上融入了篇章信息，其次对篇章信息进一步识别处理，最终通过解码端的改进使得识别出的有效篇章信息得到充分利用。本文模型在处理过多、过复杂的篇章上下文信息时，存在着处理能力不足，识别能力下降，无法

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论