导读:本文包含了网络机器翻译论文开题报告文献综述及选题提纲参考文献，主要关键词:人工智能,深度学习,神经网络机器翻译
网络机器翻译论文文献综述
林倩,刘庆,苏劲松,林欢,杨静[1]（2019）在《神经网络机器翻译研究热点与前沿趋势分析》一文中研究指出机器翻译是指利用计算机将一种语言文本转换成具有相同语义的另一种语言文本的过程。它是人工智能领域的一项重要研究课题。近年来,随着深度学习研究和应用的快速发展,神经网络机器翻译成为机器翻译领域的重要发展方向。该文首先简要介绍近一年神经网络机器翻译在学术界和产业界的影响,然后对当前的神经网络机器翻译的研究进展进行分类综述,最后对后续的发展趋势进行展望。(本文来源于《中文信息学报》期刊2019年11期）
杨寅冬,姚洁[2]（2019）在《神经网络机器翻译之语境式学习》一文中研究指出人们对大语境神经网络机器翻译(如文档翻译和多模式翻译)越来越感兴趣.目前,虽然有多个研究学者提出了新的网络架构或评估方法,但在大语境翻译模型内,潜在有用的语境信息有时仍会被忽略.文章提出了一种新颖的学习算法,即通过使用多级成对排序损失函数,将其他的语境信息纳入神经网络翻译模型考虑范畴.在文章中,通过使用文档翻译中基于转换器且大语境翻译系统,来评估所述出的学习算法.通过实际语境和随机语境,我们比较该算法的性能,并得出经过文章所述的算法训练的模型对附加语境信息更为敏感.(本文来源于《太原师范学院学报(自然科学版)》期刊2019年03期）
郝越[3]（2019）在《谈“在线网络机器翻译”与“人工翻译”的互补关系》一文中研究指出人工智能的不断发展,促使机器翻译越来越先进。以百度和有道翻译为例,主要从微观角度——词汇、句法、时态方面及宏观角度的"文化观念"方面说明机器翻译的实践应用。比较在线网络机器翻译与人工翻译,并讨论二者的互补关系。(本文来源于《河北能源职业技术学院学报》期刊2019年02期）
王春卿[4]（2019）在《神经网络机器翻译用于英汉同传译前准备的实证研究》一文中研究指出一直以来,学术界都对译前准备有许多关注和研究。2013年,深度神经网络开始被用于翻译,机器翻译得到了巨大的发展,并且对人类译员翻译的多个环节产生影响,学术界也开始对机器翻译的作用进行大量的探讨。但是,目前对机器翻译用于译前准备的探讨仍在少数。因此,本文希望探讨将机器翻译用于译前准备的可能性以及译者对此的态度。本文首先收集了北外高翻75名学生译员的调查问卷,预先了解学生译员对机器翻译用于译前准备的态度。问卷调查显示,68%的同学曾经在以往的口译练习和口译实践中使用过机器翻译来辅助译前准备;而93.33%的同学愿意在未来的口译练习和口译实践中,使用机器翻译来辅助译前准备,可见学生译员对机器翻译用于译前准备持有比较开放包容的态度。其次,本文根据最近一次英汉同传的成绩,从75名学生译员中挑选了 14名水平相近的学生译员进行实验,将其分为可用机器翻译进行译前准备的实验组(7名学生译员)和不可使用机器翻译进行译前准备的对照组(7名学生译员)。本文对谷歌翻译的错误以及译员翻译的错误进行定位,并使用杜蕴德的同传打分工具对两组学生译员的同传表现进行量化评价。实验结束后,笔者还对实验组的学生译员进行了深度访谈。实验结果表明,在口译难度适中,准备时间较为紧张的情况下,机器翻译用于译前准备未能节约译员的准备时间,也未能提高译员的口译质量。深度访谈结果表明实验组中大部分译员认为机器翻译未能节约准备时间,并且阻碍了口译表现,实验组译员在实验后对机器翻译的信任度都保持在较低水平。(本文来源于《北京外国语大学》期刊2019-06-05）
朱顺乐[5]（2019）在《融合多特征的汉维神经网络机器翻译模型》一文中研究指出针对汉维神经网络机器翻译中出现的未登录词过多、维吾尔语端形态生成以及汉维词语表意不一致等问题,提出一种融合"编码器-解码器"特征、维吾尔语"词干-词缀"语言模型特征、汉维-维汉双向词对齐特征的汉维翻译策略。综合考虑汉维语言差异、汉维语言资源稀缺等问题,将统计机器翻译中的双语知识引入到神经网络机器翻译模型中,多个特征通过一个对数线性模型组合。实验结果表明,该方法能够有效提升汉维神经网络机器翻译性能,平均BLEU提升大于2.0。(本文来源于《计算机工程与设计》期刊2019年05期）
李毓,杨雅婷,李晓,米成刚,董瑞[6]（2019）在《面向汉维机器翻译的神经网络语言模型》一文中研究指出针对传统神经网络语言模型方法只关注词语之间关系或者词语内部信息而导致维吾尔语语言模型困惑度(PPL)过高的问题,提出了融入词素信息的维吾尔语神经网络语言模型.该方法在传统神经网络语言模型的基础上添加了词内结构建模层及合并层,利用双向长短时序记忆网络来捕捉词内结构信息,并与word2vec训练好的词向量相结合作为神经网络语言模型的输入;同时还采用重构N元语法(N-gram)语言模型的方式将神经网络模型应用到汉维统计机器翻译中.实验表明该模型的PPL降低了19.93,在汉维统计机器翻译任务中机器双语互译评估(BLEU)值提升了0.28个百分点.(本文来源于《厦门大学学报(自然科学版)》期刊2019年02期）
张巍,林飞飞,梁镇爽,黄振[7]（2019）在《一种可扩展的深度神经网络机器翻译Service架构》一文中研究指出提出了一种可扩展的基于深度神经网络方法的在线翻译系统架构方法,采用GPU和CPU混合解码的后端部署方法来提高系统的并发能力,降低系统延迟.实验结果表明,所提出的系统架构方法相比于只使用GPU或CPU架构,系统并发能力更强,而响应延迟相对较低.同时系统的架构方法可以方便地扩展到多服务器架构中,整体上提高系统的性能.(本文来源于《厦门大学学报(自然科学版)》期刊2019年02期）
杨渊艺,张洋睿[8]（2019）在《神经网络机器翻译技术背景下机器翻译效果对比及其发展困境》一文中研究指出神经网络机器翻译技术模拟人脑神经系统,以深度学习技术为基础,将整个句子作为翻译的基本单元,使得机器翻译的准确率大大提升。谷歌、百度、腾讯叁家公司推出的翻译软件都采用了神经网络翻译技术,通过比较可知叁者的长句翻译能力突出,译文风格各具特色,但在语言方面都仍面临困境。首先,因语言差异导致的漏译误译;其次,因词义多义引起的选词障碍;第叁,因语境因素带来的隐性含义的理解。本文认为只有不断完善深度学习的算法,建立纠错数据库,进行跨学科交流,才能进一步提升机器翻译质量。(本文来源于《萍乡学院学报》期刊2019年01期）
王晓坡[9]（2018）在《基于有限语料的文言文神经网络机器翻译研究》一文中研究指出现如今,伴随着生活水平飞速发展,越来越多的人已经开始转向追求精神生活。文言文是我国文化的瑰宝,推广文言文不管是在学习还是生活上都有重大益处。本研究的目的是利用机器模型自动在文言文和现代文之间进行翻译,使得文言文的使用更加方便。由于文言文和现代文平行语料库的缺少,我们的研究就是如何在缺少语料资源的情况下,建立出一套合格的文言文神经网络机器翻译模型。我们的研究主要分为以下两个部分。文言文和现代文平行语料库的建立。使用神经网络建立翻译模型,需要有已经建立好的双语平行语料。本研究提出了利用深度语义匹配模型建立平行语料库的方法DSSAM(Deep Structured Semantic Alignment Model)。该模型是利用深度语义匹配模型,通过对文言文原文和现代文译文做句子间的语义匹配,实现句子对齐,最终建立双语平行语料库。其中研究还利用Triplet Loss改进了深度语义匹配模型。本文通过句子间的语义相似度进行对齐的结果,比以往基于句长比例、对齐模式、共现字特征等特征的方法,准确度有了很大的提升。利用单语语料和平行语料库训练模型。由于通过自动生成的平行语料还不足以训练模型,本文提出了结合单语语料训练文言文和现代文机器翻译的模型SCCT-NMT(Semi-supervision Classical Chinese Translation Neural Machine Translationg)。其中包含了几个设计要点:第一点,在本模型独特的框架中,文言文和现代文使用同一个编码器,而解码端则是两个独立的解码器,两个语言间可以实现互相翻译;第二点,本文针对输入做了特殊处理,文言文的分词采用了字对齐和辅助字典的方法,并且每个输入都加入了词性信息;第叁点,提出了结合词性的注意力机制CPS-Attention(Content and Part of Speech Attention),在计算的时候,引入了额外的词性信息帮助模型理解句子的语义;第四点,在解码端,本研究提出了结合复制机制和语言模型辅助解码生成,帮助解决在文言文和现代文翻译的时候,共现字多和生成语句不通顺的问题;第五点,在针对单语语料训练的时候,使用了噪声还原和反向翻译的方法。最终,本文的模型能在缺少大量平行语料的情况下,同其他机器翻译模型相比,有了不错的提升。(本文来源于《哈尔滨工业大学》期刊2018-12-01）
任众,侯宏旭,武静,王洪彬,李金廷[10]（2018）在《基于统计和神经网络的蒙汉机器翻译研究》一文中研究指出该文对基于传统统计模型的蒙汉机器翻译模型和基于神经网络机器翻译模型进行了研究。其中,神经网络翻译模型分别为基于CNN、RNN的翻译模型,并通过将所有翻译模型结果进行句子级融合得到一个融合模型。面对蒙汉翻译面临资源稀少、蒙古文形态复杂等困难,该文提出多种翻译技术,对各个模型进行改进,并对蒙古文进行形态分析与处理。在翻译效果最好的CNN模型上,采用字和短语融合训练方法;基于RNN的翻译模型除用上述方法外,还采用Giza++指导对齐技术调整RNN注意力机制;针对SMT采用了实验室提出的重对齐技术。该文对实验结果进行了对比和分析,这叁种技术方法对相应系统翻译效果有显着提升。此外,蒙古文形态分析与处理对缓解数据稀疏、提升译文质量也有重要作用。(本文来源于《中文信息学报》期刊2018年11期）
网络机器翻译论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人们对大语境神经网络机器翻译(如文档翻译和多模式翻译)越来越感兴趣.目前,虽然有多个研究学者提出了新的网络架构或评估方法,但在大语境翻译模型内,潜在有用的语境信息有时仍会被忽略.文章提出了一种新颖的学习算法,即通过使用多级成对排序损失函数,将其他的语境信息纳入神经网络翻译模型考虑范畴.在文章中,通过使用文档翻译中基于转换器且大语境翻译系统,来评估所述出的学习算法.通过实际语境和随机语境,我们比较该算法的性能,并得出经过文章所述的算法训练的模型对附加语境信息更为敏感.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络机器翻译论文参考文献
[1].林倩,刘庆,苏劲松,林欢,杨静.神经网络机器翻译研究热点与前沿趋势分析[J].中文信息学报.2019
[2].杨寅冬,姚洁.神经网络机器翻译之语境式学习[J].太原师范学院学报(自然科学版).2019
[3].郝越.谈“在线网络机器翻译”与“人工翻译”的互补关系[J].河北能源职业技术学院学报.2019
[4].王春卿.神经网络机器翻译用于英汉同传译前准备的实证研究[D].北京外国语大学.2019
[5].朱顺乐.融合多特征的汉维神经网络机器翻译模型[J].计算机工程与设计.2019
[6].李毓,杨雅婷,李晓,米成刚,董瑞.面向汉维机器翻译的神经网络语言模型[J].厦门大学学报(自然科学版).2019
[7].张巍,林飞飞,梁镇爽,黄振.一种可扩展的深度神经网络机器翻译Service架构[J].厦门大学学报(自然科学版).2019
[8].杨渊艺,张洋睿.神经网络机器翻译技术背景下机器翻译效果对比及其发展困境[J].萍乡学院学报.2019
[9].王晓坡.基于有限语料的文言文神经网络机器翻译研究[D].哈尔滨工业大学.2018
[10].任众,侯宏旭,武静,王洪彬,李金廷.基于统计和神经网络的蒙汉机器翻译研究[J].中文信息学报.2018