融合知識組織和深度學習的機器翻譯領(lǐng)域自適應研究.pdf

1、統(tǒng)計機器翻譯和神經(jīng)機器翻譯是目前較為流行的翻譯模式，通常在雙語對譯語料上訓練，學習翻譯規(guī)則生成目標翻譯。該機制中影響翻譯質(zhì)量的因素有很多，其中比較重要的有訓練數(shù)據(jù)的領(lǐng)域分布、句對規(guī)模以及質(zhì)量等。一般來說，訓練數(shù)據(jù)與測試數(shù)據(jù)的領(lǐng)域越接近、句對數(shù)量越多越有助于從中學習到更加精準的翻譯規(guī)則，從而獲取更為魯棒的譯文。在實際應用中，為了追求訓練數(shù)據(jù)的質(zhì)量和規(guī)模，訓練數(shù)據(jù)通常會來源繁雜，主題多樣，文體不一，與待翻譯的目標文本的領(lǐng)域并不能保證完全一致

2、，因而產(chǎn)生了“領(lǐng)域自適應”問題。尤其是神經(jīng)機器翻譯的訓練語料規(guī)模過大，受詞表限制導致未登錄詞增加，因此機器翻譯領(lǐng)域自適應問題一直是本行業(yè)致力解決的問題。
　　本研究聚焦于多領(lǐng)域科技信息的機器翻譯領(lǐng)域自適應，目標在于篩選或者規(guī)劃訓練數(shù)據(jù)，以及設計和調(diào)整翻譯模型，使得機器翻譯系統(tǒng)能為待翻譯的文本生成更符合其領(lǐng)域特性的翻譯結(jié)果。該研究有助于機器翻譯系統(tǒng)在面臨特定領(lǐng)域文本翻譯時得到更高的譯文質(zhì)量并且極大地降低翻譯成本和系統(tǒng)開銷。
　

3、　本文首先開展基于知識組織的機器翻譯領(lǐng)域自適應方法研究?；诰哂酗@性領(lǐng)域標簽的知識組織系統(tǒng)，例如《漢表》、日語二維詞匯化知識庫、漢語科技詞系統(tǒng)等，設計句子級別的標注和過濾算法，篩選出高質(zhì)量較小規(guī)模的訓練數(shù)據(jù)，在不損失翻譯性能的前提下極大的減小系統(tǒng)開銷，保證測試數(shù)據(jù)與訓練數(shù)據(jù)的領(lǐng)域一致性從而實現(xiàn)機器翻譯領(lǐng)域自適應。
　　其次進行基于深度學習的機器翻譯領(lǐng)域自適應方法研究。采用基于卷積神經(jīng)網(wǎng)絡的深度學習訓練方法，將訓練語料的單個句子看作

4、短文本，實現(xiàn)了短文本分類進行句子級別的領(lǐng)域標注。利用該方法對機器翻譯的語料進行句子級別的領(lǐng)域標注并過濾，保證測試數(shù)據(jù)與訓練數(shù)據(jù)的領(lǐng)域一致性從而實現(xiàn)機器翻譯領(lǐng)域自適應。在對特定領(lǐng)域語料的翻譯中，僅僅利用部分訓練數(shù)據(jù)可以得到超越原數(shù)據(jù)規(guī)模的翻譯性能。
　　最后，本文提出一種新的神經(jīng)網(wǎng)絡的深度融合模型將上面這兩種方法結(jié)合起來得到效果更佳的句子級別領(lǐng)域標注器。利用論文關(guān)鍵詞和漢語科技詞系統(tǒng)等知識組織數(shù)據(jù)構(gòu)建領(lǐng)域知識庫，設計基于領(lǐng)域知識的句

5、子領(lǐng)域標注和過濾算法;結(jié)合基于深度學習的句子領(lǐng)域標注算法，設計神經(jīng)網(wǎng)絡深度融合模型的網(wǎng)絡架構(gòu)，對機器翻譯實驗中的訓練語料進行領(lǐng)域標注。實驗表明，采用神經(jīng)網(wǎng)絡深度融合模型的方法在語料篩選上效果最佳，規(guī)?？s小比例最大，在提升翻譯性能的同時降低了翻譯系統(tǒng)訓練和解碼成本。
　　綜上所述，本論文面向多領(lǐng)域機器翻譯需求，旨在提高翻譯系統(tǒng)領(lǐng)域自適應能力，分別設計基于知識組織和深度學習的機器翻譯領(lǐng)域自適應方法，并采用神經(jīng)網(wǎng)絡將這兩種方法有效融合，