AI人工智能翻译中基于跨模态实体信息融合的研究

为进一步提升多语言场景下的英语翻译实现效果,基于跨模态实体融合方法,提出一种基于上下文门控机制的多模态神经机器翻译模型。其中,以多模态神经机器翻译模型最为基础的翻译模型,通过引入上下文门控机制,对模型进行优化,以进一步提升模型的翻译质量。试验结果表明,与基线模型以及引入的其他翻译模型相比,研究所构建模型能够进行效果更好的英语翻译,在BLEU,METETOR以及TER三个评价指标上,在Multi30k-16以及Multi30k-17数据集上分别达到了63.0、77.5、23.1以及62.8、76.4、23.5;与基线模型相比,研究所构建模型在忠实度和流畅度上均得到了明显提升。综上,研究所构建的基于上下文门控机制的多模态神经机器翻译模型的性能良好,能够有效提升翻译质量,将其应用于实际多语言英语翻译场景时能够取得良好的翻译效果,可行性较高。