面向汉维机器翻译的调序表重构模型

摘要 针对词汇化调序模型在机器翻译中存在的上下文无关性及稀疏性问题，提出了基于语义内容进行调序方向及概率预测的调序表重构模型。首先，使用连续分布式表示方法获取调序规则的特征向量；然后，通过循环神经网络（RNN）对于向量化表示的调序规则进行调序方向及概率预测；最后，过滤并重构调序表，赋予原始调序规则更加合理的调序概率分布值，提高调序模型中调序信息的准确度，同时降低调序表规模，提高后续解码速率。实验结果表明，将调序表重构模型应用至汉维机器翻译任务中，BLEU值可以获得0.39的提升