10.3969/j.issn.1009-0134.2023.02.014
基于集成修剪的维汉神经机器翻译系统
针对平行语料匮乏导致的维汉神经机器翻译性能不佳的问题,利用集成学习思想提升维汉神经机器翻译质量,提出基于可重访问的深度优先遍历集成修剪算法,缓解传统集成学习翻译速度慢、模型存储开销大以及集成模型数量越多性能反而下降等问题,并提出应该将集成修剪具体地划分为高准确率优先和低冗余度优先两种需求,让集成修剪更具有目的性.在CWMT2015维汉平行语料上的实验证明:在高准确率优先需求上通过基于可重访问的深度优先遍历集成修剪算法得到的维汉神经机器翻译系统BLEU相对于基线系统提升了2.14;在低准确率优先需求上,在保证修剪后的集成系统BLEU值不低于未修剪的前提下,翻译速度是其2.1倍.
神经机器翻译、集成学习、集成修剪、差异性、翻译速度
45
TP391.2(计算技术、计算机技术)
中国科学院“西部之光”人才培养引进计划;国家自然科学基金;新疆高层次引进人才项目;中国科学院青年创新促进会项目;中国科学院青年创新促进会项目
2023-03-06（万方平台首次上网日期，不代表论文的发表时间）
共6页
69-73,110
