發(fā)布時間：2024-03-30 02:36

　　隨著國際交流的日益頻繁和我國一帶一路戰(zhàn)略的推進,機器翻譯技術(shù)有效地緩解了不同國家和地區(qū)人民交流和溝通中的語言障礙。近年來,研究提高機器翻譯系統(tǒng)輸出譯文質(zhì)量的途徑是機器翻譯領(lǐng)域的熱點之一,對其進行研究具有很強的理論價值和實踐意義。本文提出了基于神經(jīng)譯文質(zhì)量估計的多候選譯文的重排序方法,利用最新的聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計方法來提高機器翻譯輸出譯文的質(zhì)量。為了驗證聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計方法可以代替譯文自動評價方法準(zhǔn)確地進行譯文重排序,我們在WMT19譯文自動評價任務(wù)上進行實驗,實驗結(jié)果表明聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計方法可以獲得與有參考譯文的譯文自動評價方法相媲美的性能,這說明了聯(lián)合神經(jīng)網(wǎng)絡(luò)譯文質(zhì)量估計方法可以對同一源語言句子的多個輸出譯文的質(zhì)量進行排序。本文主要提出了基于神經(jīng)譯文質(zhì)量估計的譯文重排序方法。同時為了進一步提高譯文重排序的效果,我們近似以譯文質(zhì)量估計得分為似然概率,以翻譯系統(tǒng)在開發(fā)集上的性能為先驗概率,計算譯文的貝葉斯后驗概率,并利用后驗概率對多個翻譯系統(tǒng)的輸出譯文進行重排序,挑選最優(yōu)的機器譯文。為了驗證該方法的性能,我們在CCMT19英漢和漢英翻譯任務(wù)、WMT18英德和德英翻譯...

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖5-1Transformer模型架構(gòu)[38]

基于質(zhì)量估計的譯文重排序方法研究255實驗本章主要通過設(shè)計實驗，驗證基于質(zhì)量估計的譯文重排序方法相比基線系統(tǒng)在性能上的提升。由于不同語言之間語法的復(fù)雜性和差異性，質(zhì)量估計在一些語言對上表現(xiàn)出與人工評價較高的相關(guān)性，而在一些語言對上與人工評價的相關(guān)性較低。因此，本文選擇QE性能表現(xiàn)....

本文編號：3941680