欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106766036
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:

所述基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法的具体步骤如下:

Step1、收集汉-越双语平行句对,并将汉-越平行语料分为训练集、验证集和测试集;

Step2、将不定长的句子序列作为神经网络输入,首先经过Bi-GRU生成源语言句子的隐藏输出,然后将输出的隐状态作为反向增强神经网络的输入;通过反向增强增强神经网络得出最后的每个时间步长对应的隐状态输出;

Step3、在Step2的基础上,将反向增强神经网络的输出经过编码归纳门控神经网络,对编码端的句子语义信息进行归纳,得到编码端源句子的归纳信息;

Step4、在Step3的基础上,将编码端的归纳信息融入到解码端,通过不断的推敲过程生成可靠的译文。

2.根据权利要求1所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述步骤Step1中,收集整理的汉-越平行句对是通过编写网络爬虫,将网络上爬取的双语平行句对进行过滤、去重操作,得到质量较好的汉-越平行句对。

3.根据权利要求1所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述步骤Step2是将不定长的输入序列经过三层的Bi-GRU得到每个时刻和整个输入句子的隐状态,然后将隐状态作为输入通过反向增强神经网络生成新的隐状态表示。

4.根据权利要求1所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述反向增强神经网络具体的计算公式如下:Exi是源语言句子对应的词嵌入向量,是在i时刻句子的正向隐状态表示, 是在i-1时刻句子正向隐状态表示, 是在i-1时刻句子正向隐状态表示,h'i表示编码端每个时间步长对应的最后的隐状态表示,α表示正向的隐状态与整个句子隐状态表示s0的一个权重向量;

其中,将最后一个前向隐藏状态 和后向隐藏状态 拼接起来作为句子表示s0:

5.根据权利要求3所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述步骤Step2中,反向增强神经网络通过改进当前的Bi-GRU的输出作为隐状态,将正向的隐状态作为基础,反向的隐状态作为语义信息增强。

6.根据权利要求1所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述步骤Step3中,所述编码归纳门控神经网络会将反向增强神经网络的隐状态输出作为输入,将每个时刻对应的隐状态与整个句子隐状态信息计算相关度,然后再将相关度与隐状态加权求和得到最后的编码端归纳信息。

7.根据权利要求1所述的基于编码归纳-解码推敲的汉-越低资源神经机器翻译方法,其特征在于:所述步骤Step4中,生成的归纳信息通过神经网络融合到基于Attention机制的解码端进行解码,从而生成可靠的译文。