基于变分信息瓶颈的半监督神经机器翻译OA北大核心CSCDCSTPCD
变分方法是机器翻译领域的有效方法,其性能较依赖于数据量规模.然而在低资源环境下,平行语料资源匮乏,不能满足变分方法对数据量的需求,因此导致基于变分的模型翻译效果并不理想.针对该问题,本文提出基于变分信息瓶颈的半监督神经机器翻译方法,所提方法的具体思路为:首先在小规模平行语料的基础上,通过引入跨层注意力机制充分利用神经网络各层特征信息,训练得到基础翻译模型;随后,利用基础翻译模型,使用回译方法从单语语料生成含噪声的大规模伪平行语料,对两种平行语料进…查看全部>>
于志强;余正涛;黄于欣;郭军军;高盛祥
昆明理工大学信息工程与自动化学院,昆明650500 云南民族大学数学与计算机科学学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500
计算机与自动化
神经机器翻译跨层注意力机制回译变分信息瓶颈
《自动化学报》 2022 (7)
P.1678-1689,12
国家重点研发计划(2019QY1800)国家自然科学基金(61732005,61672271,61761026,61762056,61866020)云南省高新技术产业专项基金(201606)云南省自然科学基金(2018FB104)资助。
评论