基于动态词汇编码的树形神经机器翻译

摘要

针对树形神经机器翻译方法存在的局限性,提出一种动态词汇化依赖编码的树形神经机器翻译方法。通过词汇化依赖编码模型简化模型的网络架构,减少模型参数的数量,解决过度翻译问题;通过引入变异递归神经网络(RNN),能够同时考虑长距离依赖关系和单词的顺序信息;采用一个潜在向量动态调节每个节点表示的组成参数,适应短语的语法语义丰富性特点。翻译实验结果验证了所提动态词汇化依赖关系模型显著优于英语-汉语和英语-德语翻译任务中传统树形模型。