基于深度学习和上下文感知算法的跨语言翻译方法

摘要

针对目前跨语言机器翻译存在性能较低的问题，提出了一种基于深度学习和上下文感知算法的跨语言翻译模型。还提出了一个具有12层的跨语言Transformer编码器-解码器结构，充分学习不同语言表达特征。再提出了一种数据对齐方法，可有效扩充数据样本数量，增加数据多样性和数据量，减少数据和模型之间复杂度的相对差异，缓解过拟合问题。实验阶段，通过有监督、无监督、零样本数据集测试，证明所提模型具备较优性能。实验充分验证了所提模型可有效表达未知语种。与m-Transformer和mRASP等主流模型相比，所提模型BLEU分数较优。实验结果证明了所提出跨语言翻译模型的有效性及实用性，该模型可为跨语言机器翻译领域的发展提供一定借鉴作用。

关键词

机器翻译 / 跨语言模型 / 深度学习 / 数据对齐 / Transformer