软件学报

作者：刘俊鹏，黄锴宇，李玖一，宋鼎新，黄德根

单位：刘俊鹏，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602411,黄锴宇，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602402,李玖一，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602403,宋鼎新，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602404,黄德根，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602405

关键词：神经机器翻译;注意力机制;序列到序列模型;多覆盖模型;过度翻译;漏翻译

基金：国家重点研发计划（2020AAA0108004）；国家自然科学基金（61672127，U1936109）

覆盖模型可以缓解神经机器翻译中的过度翻译和漏翻译问题.现有方法通常依靠覆盖向量或覆盖分数等单一方式存储覆盖信息，而未考虑不同覆盖信息之间的关联性，因此对信息的利用并不完善.针对该问题，基于翻译历史信息的一致性和模型之间的互补性，提出了多覆盖融合模型.首先定义词级覆盖分数概念；然后利用覆盖向量和覆盖分数存储的信息同时指导注意力机制，降低信息存储损失对注意力权重计算的影响.根据两种覆盖信息融合方式的不同，提出了两种多覆盖融合方法.利用序列到序列模型在中英翻译任务上进行了实验，结果表明，所提方法能够显著提升翻译性能，并改善源语言和目标语言的对齐质量.与只使用覆盖向量的模型相比，过度翻译和漏翻译问题的数量得到进一步减少.

来源：2022年第3期

《软件学报》期刊编辑部

查看软件学报杂志2022年第3期