分类： 信息资源管理 >> 图书馆学 提交时间： 2024-05-27 合作期刊: 《情报资料工作》
摘要： 目的/意义 文章旨在探究将不同语义知识融入机器翻译模型能否增强机器翻译的效果以及何种语义知识的作用更为显著，以助力机器翻译研究与中华优秀传统文化的传承与传播。 方法/过程 研究选取了30万对精加工的《二十四史》“古代汉语-现代汉语”平行语料作为实验数据，基于神经机器翻译OpenNMT模型，通过三种不同的特征融合方法，将词边界知识、词性知识、实体知识和依存句法知识分别融入机器翻译模型的训练过程中。 结果/结论 不同语义知识与模型的融合对典籍翻译效果有不同的影响，词边界知识、词性知识、实体知识对机器翻译任务有一定的贡献且实体知识的贡献最大，依存句法知识无明显作用。
分类： 信息资源管理 >> 情报学 提交时间： 2024-04-10 合作期刊: 《情报资料工作》
摘要：目的/意义 从古文到现代文的机器翻译过程中，由于古文与现代文之间在词汇构成、句法以及词类活用等方面的显著差异，并且缺少公开的古文分词数据，使得机器翻译系统对古文的理解和处理能力存在偏差，一定程度上影响了翻译的质量。 方法/过程 文章提出无监督词库构建的方法，在UniLM模型的基础上，分别与BERT、RoBERTa、RoFormer和RoFormerV2预训练模型相结合并对模型进行微调，借助UniLM模型融合古文领域知识特征将源语言和目标语言之间的语言关系生成中间的语言表示，利用预训练模型学习上下文相关的语言表示，增加语义之间的关联性，从而提升古现机器翻译的性能。 结果/结论 实验结果表明，融合古文领域知识特征的古文机器翻译在BERT、RoBERTa、RoFormer和RoFormerV2预训练模型上的BLEU值分别提高了0.27到1.12，证明了提出方法的有效性。
主办：中国人民大学 承办：中国人民大学书报资料中心
邮箱: yuyin@ruc.edu.cn 电话:62516972 62515820
地址: 北京市海淀区中关村大街59号
版权所有©2024 中国人民大学
点击量
点击量
下载量
评论
京公网安备11040102700185