基于NMT的RS10-CLOUD工业软件生产全过程的业务标签同步翻译

RS10-CLOUD快速开发平台,是RS10-CLOUD云平台的重要组成部分,其隶属于国家重大项目,是一个面向零散制造业管理市场,支撑企业生产管理类实现的低代码开发平台。主要描述了基于RS10-CLOUD快速开发平台模块优化的过程。出发点在于面对当今中国企业跨界转产已涵盖到了各个不同的领域的形势,转产过程中工业生产管理环境的业务数据分类及含义的二义性无形中增加了生产管理换件人工控制的成本。因此在RS10-CLOUD工业管理软件中,引入了工业标签统一管理动态生效的逻辑,其在开发阶段统一定义工业术语、工业业务标签并注入到页面;在软件应用阶段可以持续维护,并且实现页面自动生效。在这种开发模式的考量下,创新性地在此类软件中采用加入先验知识的神经网络机器翻译NMT进行训练,同时基于训练可行性和翻译模型的准确性,运用TLA(target language lemmas)进行约束训练,得到了从中文到英文的翻译模型。为汇总对比国内外工业属性的含义,最终实现多语言翻译,从而减少合资企业,输出型产业的生产管理成本提供考量。

智能问诊中基于深度神经网络的反问生成方法

在智能问诊中,为了让医生快速提出合理的反问以提高医患对话效率,提出了基于深度神经网络的反问生成方法。首先获取大量医患对话文本并进行标注;然后使用文本循环神经网络(TextRNN)、文本卷积神经网络(TextCNN)二种分类模型分别对医生的陈述进行分类;再利用双向文本循环神经网络(TextRNN-B)、双向变形编码器(BERT)分类模型进行问题触发;设计六种不同的问答选取方式来模拟医疗咨询领域情景,采用开源神经机器翻译(OpenNMT)模型进行反问生成;最后对已生成的反问进行综合评估。实验结果表明,使用TextRNN进行分类优于TextCNN,利用BERT模型进行问题触发优于TextRNN-B,采用OpenNMT模型在Window-top方式下实现反问生成时,使用双语评估替补(BLEU)和困惑度(PPL)指标进行评价的结果最好。所提方法验证了深度神经网络技术在反问生成中的有效性,可以有效解决智能问诊中医生反问生成的问题。