期刊屋 > 教育

多种数据泛化策略融合的神经机器翻译系统

【摘要】在Transformer模型的基础上，该文从数据泛化、多样化解码策略和后处理方法3个方面进行改进.多种数据泛化策略融合方法对不同种类的稀疏词语进行识别、泛化和翻译，减少错译现象.利用检查点平均和模型集成等多样化解码策略进一步提升翻译效果.在CCMT2019中英新闻领域翻译任务上的实验结果显示，改进后的方法在基线系统上的BLEU-SBP值提升了约1.85%.

【多种数据泛化策略融合的神经机器翻译系统】相关的文章

教育最新帖子

1从社会性受难到良心确证--卢梭《萨瓦牧师之信仰告白》的内在线索
2基于Pi演算的Android多线程程序的数据竞争检测
3风洞内气象要素对湿空气含盐浓度的影响规律
4基于模糊优选法的区域文化创意产业绩效评价研究
5新时期成人学历教育问题及对策-评--《现代成人教育学原理》
6论大学弘扬中华优秀传统文化的价值与路径
7结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合
8新文科建设瓶颈问题与破解之策
9沉浸式教学与民俗文化的学校教育传承之路
10现代戏剧中的“恋母情结”与伦理身份认同危机——易卜生《野鸭》中格瑞格斯形象新探

多种数据泛化策略融合的神经机器翻译系统

【多种数据泛化策略融合的神经机器翻译系统】相关的文章

教育 最新帖子

热门文章

教育最新帖子