基于句子级上下文内容的神经机器翻译方法

摘要:

传统的神经机器翻译方法在忽略句子层面语境的情况下，利用词层面语境来预测目标语的翻译，这有利于统计机器翻译中的翻译预测。但由于词的主题往往是根据句意和上下文动态变化的，存在一词多义等复杂情况。这会导致翻译的不准确。因此，利用卷积神经网络将句子级上下文表示为潜在的主题表示，并设计了一个主题关注度模型，将源句子级主题上下文信息集成到基于Attention和基于Transformer的神经机器翻译方法中。实验结果表明，提出的方法的BELU评分最高大约等于30。

Abstract: