神經(jīng)機(jī)器翻譯系統(tǒng)在過(guò)去幾年取得了很好的結(jié)果,但是仍然是有缺陷的。機(jī)器翻譯系統(tǒng)的輸出必須在后期編輯階段由翻譯人員進(jìn)行校對(duì)。交互機(jī)器翻譯促進(jìn)了人機(jī)協(xié)作,提高生產(chǎn)力。在這項(xiàng)工作中,我們將神經(jīng)機(jī)器翻譯集成到交互式機(jī)器翻譯框架中。利用seq2seq框架的特性,在解碼階段將翻譯人員的糾正信息融合進(jìn)機(jī)器翻譯系統(tǒng),在保持現(xiàn)有信息的情況進(jìn)行重新解碼翻譯。并且利用翻譯人員的的先驗(yàn)知識(shí)對(duì)神經(jīng)翻譯系統(tǒng)進(jìn)行增量訓(xùn)練,以提高機(jī)器翻譯系統(tǒng)的表現(xiàn)。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)里，相互的輸入沒(méi)有關(guān)聯(lián)，例如輸入為X=(x1,x2，…，xn），其中x之間相互不影響，無(wú)論以何種方式進(jìn)行輸入，都不會(huì)對(duì)最終的結(jié)果產(chǎn)生影響。但是對(duì)于機(jī)器翻譯來(lái)說(shuō)，翻譯一句話必須要考慮詞之間的聯(lián)系，從整體進(jìn)行把握。RNN是處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，每進(jìn)行一次計(jì)算的時(shí)候，都....

如圖3所示為L(zhǎng)STM網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)圖，LSTM與RNN具有相同的連接結(jié)構(gòu)，標(biāo)準(zhǔn)RNN隱藏層中有一個(gè)網(wǎng)絡(luò)層，但是LSTM在隱藏單元中使用三個(gè)門來(lái)控制信息。每一個(gè)LSTM中有三個(gè)輸入：當(dāng)前輸入xt，上一步的細(xì)胞狀態(tài)Ct-1，上一步隱藏層狀態(tài)ht-1。σ是激活函數(shù)sigmoid。(1）遺....

(1）遺忘門：決定會(huì)從細(xì)胞狀態(tài)中丟棄什么信息，見(jiàn)圖4。該門通過(guò)讀取ht-1和xt，與遺忘門權(quán)重矩陣Wf相乘，通過(guò)sigmoid得到一個(gè)數(shù)，與Ct-1相乘來(lái)選擇保留或丟棄。

(3）輸出門：最終決定LSTM的輸出，見(jiàn)圖6。根據(jù)ht-1和xt判斷儲(chǔ)存信息與當(dāng)前輸入的關(guān)聯(lián)，決定輸出哪些信息。首先用sigmoid來(lái)確定細(xì)胞狀態(tài)的哪個(gè)部分將輸出去。然后將狀態(tài)Ct通過(guò)tanh處理，得到一個(gè)在-1到1之間的值，然后和sigmoid輸出相乘，最終會(huì)輸出我們確定輸出的....

本文編號(hào)：4009517