术语信息强化的电气工程领域神经机器翻译
张聚伟1
刘恺文2
陈媛3
1.河南科技大学信息工程学院,河南洛阳 471023;河南科技大学河南省新能源电力电子与电力传动工程研究中心,河南洛阳 471023;郑州航空工业管理学院电子信息学院,河南郑州 4500462.河南科技大学信息工程学院,河南洛阳 471023;河南科技大学河南省新能源电力电子与电力传动工程研究中心,河南洛阳 4710233.河南科技大学外国语学院,河南洛阳 471023
摘要：神经机器翻译模型在通用领域中已取得显著进展,但在低资源下,模型解决专业领域的翻译任务时还存在很多挑战,尤其是在如何充分利用专业术语信息方面有所欠缺.针对低资源下电气工程领域的英汉翻译模型对术语信息利用不充分的问题,将术语词汇作为先验知识,利用注意力模型(transformer)的原有结构提取术语信息,在此基础上,利用复制卷积和倍化方法将术语信息融入编码器的顶层输出,在基本不增加可学习参数的情况下,提升Transformer模型的翻译性能.实验结果显示,模型改进后的双语评估研究(BLEU)值提升了 1.11个百分点,训练用时涨幅6.86个百分点,实现了译文质量和时间成本的兼顾,为如何在低资源下充分利用术语信息提供了一种新的解决思路.
关键词：神经机器翻译术语信息电气工程卷积低资源
分类号：TP391.2(计算技术、计算机技术)
资助基金：国家自然科学基金(U2004163)
论文发表日期：2024-12-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 43-53 )
英文信息