针对音变问题改进的维汉神经网络机器翻译鲁棒性方法研究

由于维吾尔语具有音变差异,在记录时容易混淆,这对机器翻译的容错能力提出了挑战。从词粒度研究的角度出发,针对维吾尔语中具有明显语音特性的音变词的翻译问题,采用字符级神经网络机器翻译(Character level Neural Network Machine Translation,CharNMT)结构,并结合覆盖率机制进行优化,这一方法不仅提高了音变词的翻译质量,还展现出较好的容错能力。在基础模型取得了1.25 Blue分的提升,并在训练和解码速度方面也具有优势。

神经网络机器翻译技术背景下机器翻译效果对比及其发展困境

神经网络机器翻译技术模拟人脑神经系统,以深度学习技术为基础,将整个句子作为翻译的基本单元,使得机器翻译的准确率大大提升。谷歌、百度、腾讯三家公司推出的翻译软件都采用了神经网络翻译技术,通过比较可知三者的长句翻译能力突出,译文风格各具特色,但在语言方面都仍面临困境。首先,因语言差异导致的漏译误译;其次,因词义多义引起的选词障碍;第三,因语境因素带来的隐性含义的理解。本文认为只有不断完善深度学习的算法,建立纠错数据库,进行跨学科交流,才能进一步提升机器翻译质量。

基于神经网络的在线机器翻译系统英汉互译质量对比研究

神经网络翻译技术的问世使得机器翻译的质量大幅度提升,以至于有人惊呼机器翻译将代替人工翻译。本文选取五大在线机器翻译系统(OMT),采用定量研究方法,考察它们在英汉互译上的整体表现以及在不同转换方向(英汉、汉英)上的不同表现。结果表明:它们在英汉翻译和汉英翻译上的整体质量均达到了及格及以上水平,基本能实现交际目的,但离良好及以上水平尚有差距;个体OMT在英汉翻译上的表现存在着显著性差异;个体OMT在汉英翻译上的表现也存在着显著性差异;五大OMT在汉英翻译上的整体表现显著优于英汉翻译。本研究可为读者选择高性能OMT、为开发商提升系统性能提供参考。