交互式机器翻译综述

随着深度学习的发展和成熟,神经机器翻译的质量也越来越高,然而仍不完美,为了达到可接受的翻译效果,需要人工进行后期编辑。交互式机器翻译(IMT)是这种串行工作的一个替代,即在翻译过程中进行人工互动,由用户对翻译系统产生的候选翻译进行验证,并且,如有必要,由用户提供新的输入,系统根据用户当前的反馈生成新的候选译文,如此往复,直到产生一个使用户满意的输出。首先,介绍了IMT的基本概念以及当前的研究进展;然后,分类对一些常用方法和前沿工作加以介绍,并简述每个工作的背景和创新之处;最后,探讨了IMT的发展趋势和研究难点。

基于RNN编码器的交互式机器翻译平台控制技术

为减少交互式机器翻译平台在工作时受到的干扰信息,利用RNN编码器设计了一种机器翻译平台控制技术;通过研究RNN编码器单级交互式机器翻译平台、复合交互式机器翻译平台的嵌入方式,分析RNN编码器控制下的交互式机器翻译平台结构;在将RNN编码器嵌入交互式平台后,加入平台速度稳定控制回路和平台位置稳定控制回路,实现稳定功能、锁定功能、扫描功能以及自动控制功能,利用被动隔离方法和主动稳定方法确保稳定控制;通过实验验证,该控制技术可以有效减少交互式机器翻译平台工作时受到的外界信息干扰。

基于动态词对齐的交互式机器翻译

在传统的机器翻译(machine translation,MT)与计算机辅助翻译(computer aided translation,CAT)中,译员与翻译引擎之间的交互受到很大限制,于是产生了交互式机器翻译(interactive machine translation,IMT)技术。但传统的模型只考虑当前源语与部分翻译的目标语的信息,没有将用户交互后的对齐信息加入到之后的预测模型中。该文基于词预测交互式机器翻译的研究思路,将用户交互翻译过程中的鼠标点选行为转化为中间译文的词对齐信息,进而在翻译交互过程中实现了对译文的动态词对齐标注,并在词对齐信息和输入译文的约束下提高了传统词预测的准确性。

利用句法信息改进交互式机器翻译

在很多领域中,全自动机器翻译的译文质量还无法达到令人满意的程度。要想获得正确无误的译文,往往需要翻译人员对自动翻译系统的输出进行后处理。在交互式机器翻译的框架内,翻译系统和译员协同工作,译员确认系统提供的译文中的最长正确前缀,系统据此对译文后缀进行预测,共同完成翻译任务。该文利用基于短语的翻译模型,建立了交互式机器翻译系统,并结合交互式机器翻译的特点,利用句法层面的子树信息来指导翻译假设的扩展。实验表明,该方法可以有效地减少人机交互次数。

基于双语短语约束的交互式机器翻译方法

交互式机器翻译(Interactive Machine Translation,IMT)是一种通过机器翻译系统与译员之间的相互作用指导计算机解码并改善输出译文质量的技术。目前主流的IMT方法使用译员确定的前缀作为唯一约束指导解码,交互方式受限,交互效率低。该文从交互方式和解码算法两个方面对IMT方法进行改进。在交互方式方面,允许译员译前从短语译项列表中为源语言短语选择正确译项。该文还提出了基于短语表的多样性排序算法,来提高短语候选译项的多样性,并根据译员的翻译认知过程设计交互界面,改善译员在翻译过程中的用户体验。在解码算法方面,将双语短语与前缀一同作为约束参与指导解码过程,提高翻译假设评价和过滤的准确性。在LDC汉英平行语料上进行了人工评测,实验结果表明该方法较传统的IMT方法能够减轻译员的认知负担,减少翻译时间,提升翻译效率。

基于CBE的交互式机器翻译方法研究

机器翻译是现代人工智能的重要目标任务之一,其技术多年来得到了长足的发展。通过计算机辅助教育(ComputerBased Education, CBE)完成交互式机器翻译也受到更多人的关注。文章概述了交互式机器翻译技术要理,基于短语模型的研究结果来构建交互式机器翻译系统,并对其中的改进优化技术进行详细的论述,以确保机器翻译的有效性和准确性。

基于交互式机器翻译环境的语境架构

自设计之初,机器翻译面临的一个主要挑战就是对语境中意义的把握。目前采用的交互式机器翻译引擎,试图尽可能地使机器吸收人类的智慧与认知能力,并取得了一定的成果。文章由交互式机器翻译的技术环境入手,根据译者处理语境时付出的认知努力,提出包括本地语境、全局语境、语境效果在内的基于交互式机器翻译环境的语境架构。该等级框架从译者认知的角度出发,能够有效地收集、管理、分析译者反馈的数据,评估翻译系统对译者的依赖程度,从而更有效地在引擎自动切分、人机互动翻译等方面融合语境因素,以不断提高交互式机器翻译引擎的水平。

交互式水域环卫机器人的避障路径规划算法

为使交互式水域环卫机器人(Interactive Water Sanitation Vehicle,IWSV)在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物,提出一种将基于采样的快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法与速度障碍模型相结合的路径规划算法。利用双目摄像头基于视差定位法获取水域动态障碍物的位置坐标,利用IWSV搭载的感应元件获取其自身与障碍物的相对方位角,基于速度障碍法计算可成功避开障碍物的移动角度调整范围,对更优的RRT算法中的随机采样过程进行进一步优化,得到改进的避障路径规划算法。考虑实际应用场景,引入抗积分饱和比例积分微分控制(Proportional Integral Differentiational Control,PID Control)法使航向控制器的控制效果更为精准有效。在实景测试时避障路径规划算法存在稳健性,基于到达时间(Time of Arrival,TOA)定位法进行仿真分析。仿真试验结果表明,该路径规划算法比RRT算法和改进前的RRT算法路径规划效果更优,可靠性更好,可在较短时间内避障并得到较优移动路径。在实景测试时基于TOA的Chan算法更加符合定位估计需求,且IWSV本体感应装置的噪声测算宜在10 m以内。

交互式微型机器人比赛平台中的通讯子系统设计

本文着重介绍了一种应用在交互式微型机器人比赛平台中,采用在传送的数据中加入自定义的编号后重复发送和合理的中断管理这两种方法来提高00K/ASK无线通讯成功率的通讯协议。

基于LSTM的交互式神经机器翻译方法研究

神经机器翻译系统在过去几年取得了很好的结果,但是仍然是有缺陷的。机器翻译系统的输出必须在后期编辑阶段由翻译人员进行校对。交互机器翻译促进了人机协作,提高生产力。在这项工作中,我们将神经机器翻译集成到交互式机器翻译框架中。利用seq2seq框架的特性,在解码阶段将翻译人员的纠正信息融合进机器翻译系统,在保持现有信息的情况进行重新解码翻译。并且利用翻译人员的的先验知识对神经翻译系统进行增量训练,以提高机器翻译系统的表现。

优化交互式神经机器翻译模型在外语童书中的应用

在外语童书的智能翻译领域,设计了一种优化交互式神经机器翻译模型在外语童书中的应用,其中包括汉语与德语之间的童书翻译。该系统在解码阶段提供不同比例的正确译文来实现模型的训练,以应对不同的训练集规模。实验结果表明,在不同规模的训练集下,模型的评估结果随着正确输入比例的增加而持续提升。在1兆字节训练集条件下,分别增加15%到45%的正确输入能够使结果平均提升16.07%。当2兆字节训练集时,同样比例的正确输入增加将使测试结果平均提升了15.84%。训练集为3兆字节,测试结果平均提升量15.65%。因此,训练数据规模对翻译结果和模型表现均有着显著影响,提高了机器翻译的准确性和流畅性,同时为汉德童书翻译提供了新的依据和视角。

旅游景区服务机器人的应用研究

具有语音交互功能的导游机器人、问讯机器人、讲解机器人越来越受欢迎,但目前交互式机器人大多数情况下基于语义匹配模式,无论强匹配还是弱匹配模式,都需要有知识库做支撑,机器人知识学习过程就是对知识库的更新和补充。论文提出一种在强匹配模式下可行的机器人知识库更新方法,经过实践在一些旅游景点场合效果良好。

人工智能时代技术驱动的翻译模式:嬗变、动因及启示

人工智能时代,翻译技术的突飞猛进极大推动了翻译行业的发展,翻译模式也随之发生深刻的变革。本文首先梳理了技术驱动的翻译模式嬗变历程,即计算机辅助翻译—机器翻译译后编辑—交互式机器翻译,然后从语言服务需求、技术创新和人文社会因素三个方面探讨了翻译模式嬗变的发展动因,并提出建立人机和谐共生生态系统,推动人本理念为核心的技术创新,重视翻译数据安全和技术伦理,提升译员技术能力与人文素养的建议。