融合长短期记忆和循环神经网络的语言自动化校验模型构建

为了提高语言模型在法语领域中的语义识别精度和识别速度,研究对广泛应用于语言模型中的循环神经网络(Recurrent Neural Network,RNN)以及长短期记忆网络(Long Short-Term Memory,LSTM)进行优化,首先提出了融合LSTM和RNN的法语语义分析框架,其次构建了改进注意力机制和Bi-LSTM的法语语义分析模型。模型性能检测结果表明,融合注意力机制的Bi-LSTM模型迭代至22代开始收敛,收敛效果好,速度快。在训练数据集中的精确率、召回率、F1值分别为94.6%、92.1%、96.2%,其各项性能表现均优于另外两种传统模型。综上,此次研究所提出的法语语义分析模型能够取得较好的语义分析结果,提高法语翻译准确度。