限定性神经网络在翻译过程中的应用-田亮

人工智能时代口译技术应用研究
王华树 | 国内首部聚焦口译技术应用和教学的著作
新书推荐


口笔译教育与评价国际论坛 二号公告
在厦门大学百年校庆之际，邀您齐聚厦门、共襄盛举
论坛推荐

田亮，澳门大学博士，主攻自然语言处理机器翻译课题研究，求学期间先后发表SCI期刊1篇，国际会议论文9篇，发明专利7项，机器翻译相关软著6个，2012年获得澳门科学技术奖二等奖。2016年10月和2017年5月带领团队分别获得清华大学力合科创集团1000万天使轮融资和美亚梧桐基金、凯泰资本、博将资本5500万轮天使加融资。当前为新译信息科技（北京）有限公司和新译信息科技（深圳）有限公司CEO，带领团队充分利用机器翻译、语义检索、神经网络、语音识别等先进的自然语言处理技术，构建新型的语言生态服务圈，重构新型语言生态商业模式，变革当前翻译行业效率低下和全球沟通不便捷的问题。

一、神经网络机器翻译进化

1）人工智能知识图谱
2）智能翻译发展规划
3）神经网络机翻的进化
曾从属于统计机器翻译，先已完善为纯神经网络机器翻译
4）NMT＆SMT
NMT的表现已经普遍优于SMT
5）神经网络机翻的问题
漏译：缺少语义信息，多层次训练和预测的速度太慢
过译：数据稀疏问题，数字、日期、命名实体处理相对统计模型复杂

二、限定性神经网络
1）限定性NMT初衷
通过干预输入的句子，调整底层神经网络的模型参数，准确无误的还原干预部分的译文表达
2）限定性NMT过程
3）限定性NMT原理
命名实体识别模块→命名实体替换→领域自适应增量学习→混合解码器输出译文结果

三、限定性NMT的应用举例
1）诗词曲赋
2）人名、数字、日期
3）关键术语

四、限定性NMT总结
限定性神经网络可以解决句子中关键信息的准确表达
干预神经网络的底层更好的表达整个句子的译文
非机器翻译专业人员可以通过不断修正术语库和记忆库，实时增量训练自己的系统
限定性神经网络允许加入语言学知识，使混合神经网络变为现实

以上纲要仅供参考
研二实习生 Kay 编译

相关推荐
★★★★★ 5/5