MMMay, 2018

将汉字部首融入神经机器翻译：更深入的层次

PDF
TL;DR该论文旨在改善神经机器翻译系统的词汇表外 (未知) 单词的翻译水平，特别是针对神经机器翻译系统用于中文翻译的方法，并且通过引入汉字偏旁部首信息进行语义分析。实验结果表明，所提出的模型在包括 LEPOR、BEER 和 CHARACTER 在内的多种评估指标上均优于基线模型。
neural machine translationchineseradicalsadequacy-level translationnist
发现论文，激发创造
  • 使用部首作为额外输入特征改善基于字符级别的日汉神经机器翻译

    该研究证明中文字符的偏旁部首作为特征，可以轻松提高基于字符级别的神经机器翻译的质量，并在 WAT2016 上取得了最先进的结果。

    May, 2018

  • 神经机器翻译中的汉字分解与多词表达

    本研究探讨了不同层次的汉字分解对机器翻译的影响，包括偏旁、笔画和中间层级。研究还考察了分解多词表达式对提高翻译模型学习的影响。

    Apr, 2021

  • 通过 ASCII 编码的汉英字符级翻译

    本研究利用 Wubi 编码方案将汉字划分为类似于印欧语系的语言单元，为实现基于字符级的汉英翻译建立了基础，并使用循环和卷积模型等方法进行训练以取得了良好的结果。

    May, 2018

  • 基于混合词字模型实现开放词汇神经机器翻译

    本文提出了一种用于实现开放词汇神经机器翻译的新型字符 - 词汇结合方案，比基于字符的方案更易于训练且不会产生未知单词，同时在 WMT'15 英译捷克任务中最高 BLEU 分数达到 20.7。

    Apr, 2016

  • 论字符级神经机器翻译中词边界的重要性

    本文提出了一种更高效的字符级神经机器翻译解码方法，使用词和字符级别的分层解码结构，能够优化机器翻译性能并学习更长的上下文和语法依赖。

    Oct, 2019

  • 基于字符的神经机器翻译

    本研究旨在解决神经机器翻译应用于大词汇量和形态丰富语言的挑战，通过使用基于字符的嵌入法，结合卷积层和高速公路网络来替代传统的基于词的表示法，并测试其在注意力机制双向递归神经网络中的应用，结果表明该方法即使在源语言不富含形态学的情况下也能够在德英 WMT 任务中取得高达 3 个 BLEU 分的改进效果。

    Mar, 2016

  • 神经网络名称翻译提高神经机器翻译

    本文旨在通过引入字符级的 Seqence-to-Sequence 模型来提高神经机器翻译（NMT）系统的翻译效果和识别实体名词的能力，并在双语训练中借助名称实体翻译模型来提高高质量的实体名词对齐，从而使中英翻译任务的 BLEU 分数比基础 NMT 系统提高了 2.9 个百分点。

    Jul, 2016

  • 词、子词或字符？汉英 NMT 中粒度的实证研究

    本文对多个使用不同类型划分的翻译模型在中英翻译任务中进行了探究和比较，发现在中文翻译到英文的任务中，使用子词模型效果最好。在英文翻译到中文的任务中，使用混合词形式模型最优。此外，使用 混合_BPE 方法在中文翻译到英文的任务中取得了最佳效果。

    Nov, 2017

  • 基于部首增强的汉字嵌入

    利用偏旁部首进行汉字向量嵌入，研发了一种具有专门神经网络结构的方法，在中文字符相似度判别和中文词分割等任务上，该方法通过整合汉字中的偏旁部首信息，实现了较好的效果。

    Apr, 2014

  • 采用子单元的神经机器翻译生僻词

    本文提出了一种基于子单词单位的、更简单且更有效的方法来处理翻译中的开放性词汇问题，并通过实验证明了这种方法相较于备用字典模式可以提升该模型的翻译效果。

    Aug, 2015