广西师范大学学报(自然科学版)

2021, v.39(02) 13-20

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于样本难度的神经机器翻译动态学习方法
Dynamic Learning Method of Neural Machine Translation Based on Sample Difficulty

王素;范意兴;郭嘉丰;张儒清;程学旗;

摘要(Abstract):

近年来,神经机器翻译模型已经成为机器翻译领域的主流模型,如何从大量的训练数据中快速、准确地学习翻译知识是一个值得探讨的问题。不同训练样本的难易程度不同,样本的难易程度对模型的收敛性有极大影响,但是传统的神经机器翻译模型在训练过程中并没有考虑这种差异性。本文探究样本的难易程度对神经机器翻译模型训练过程的影响,基于"课程学习"的思想,为神经机器翻译模型提出了一种基于样本难度的动态学习方法:分别从神经机器翻译模型的翻译效果和训练样本的句子长度2方面量化训练样本的难易程度;设计了由易到难和由难到易2种学习策略训练模型,并比较模型的翻译效果。

关键词(KeyWords): 神经机器翻译;课程学习;样本难度;动态学习

Abstract:

Keywords:

基金项目(Foundation): 北京智源人工智能研究院(BAAI2019ZD0306);; 国家自然科学基金(61722211,61872338,61902381);; 中国科学院青年创新促进会(20144310);; 国家重点研发计划(2016QY02D0405);; 联想-中科院联合实验室青年科学家项目;; 重庆市基础科学与前沿技术研究专项(cstc2017jcjyBX0059);; 泰山学者工程专项(ts201511082)

作者(Author): 王素;范意兴;郭嘉丰;张儒清;程学旗;

Email:

DOI: 10.16088/j.issn.1001-6600.2020082602

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享