針對航海領域中船舶自動識別系統(tǒng)（AIS）無法利用中文給我國使用者帶來的識別障礙問題,研究了AIS拼音信息到漢字的智能翻譯技術.在建立標準化漢字和拼音船名語料庫的基礎上,分別搭建了基于Seq2Seq和Transformer框架的智能船名翻譯的深度學習模型.通過在同一數據集上的性能對比分析發(fā)現,Transformer模型具有更好的效果.為彌補Transformer模型受語料庫規(guī)模限制而帶來的翻譯損失,進一步研究了其與隱馬爾科夫鏈（HMM）的聯合翻譯模型,最終,在測試集上達到了98.92%的準確率,實現了對AIS拼音船名的精準匹配和合理翻譯.該模型同樣適用于AIS中目的港等拼音信息到漢字的翻譯,對于提升AIS信息使用者的體驗具有實際應用價值. 

【文章來源】：大連海事大學學報. 2020,46(02)北大核心CSCD

【文章頁數】：8 頁

【部分圖文】：

語料庫構建過程

圖2中,每個encoder單元首先對船名拼音在嵌入層進行one-hot編碼,然后輸入隱藏層(這里為2個LSTM層)進行計算后輸出狀態(tài)向量h(t).非初始encoder單元除接收拼音的輸入,同時,還接收上一個拼音encoder單元輸出的狀態(tài)向量h(t-1),其隱藏層經計算后輸出h(t),作為下一個拼音encoder單元的一項輸入.

利用船名語料庫的訓練集(16萬余條數據)和測試集(4萬余條數據)對Seq2Seq模型進行訓練和測試,訓練的主要參數設置如表3所示,訓練過程如圖4所示.由圖4可見,訓練在50步迭代后準確率趨于穩(wěn)定,船名100%正確的準確率大概為28%左右. 表4為從測試集中隨機抽取的幾條翻譯結果.

【參考文獻】：
期刊論文
[1]基于LSTM的蒙漢機器翻譯的研究[J]. 劉婉婉,蘇依拉,烏尼爾,仁慶道爾吉.  計算機工程與科學. 2018(10)
[2]基于統(tǒng)計的漢英機器翻譯技術的研究[J]. 趙靜.  電子設計工程. 2016(21)
[3]船載AIS信息采集與解碼技術研究[J]. 于光峰.  電子技術與軟件工程. 2013(21)
[4]一般拓撲結構的非齊次隱含馬爾科夫模型及其在中、英文語種辨識中的應用[J]. 王作英,孫健.  電子與信息學報. 2007(04)
[5]機器學習在漢字智能拼音輸入中的應用[J]. 巨同升.  山東理工大學學報(自然科學版). 2005(03)

碩士論文
[1]基于神經網絡的維漢機器翻譯研究[D]. 張勝剛.新疆大學 2018
[2]船舶自動識別系統(tǒng)（AIS）接口數據的研究與應用[D]. 張穎.大連海事大學 2009
[3]基于統(tǒng)計的漢英機器翻譯技術的研究[D]. 魏瑾.國防科學技術大學 2006



本文編號：3534905