基于LSTM注意力嵌入的英语机器翻译研究

摘要

针对现有神经网络结构构建的英语机器翻译模型,因长距离依赖导致长距离信息在传递过程中丢失,导致英语机器翻译效果不理想的问题,提出一种注意力嵌入的LSTM英语机器翻译模型。首先,根据标准LSTM网络模型编码阶段采用固定维度向量表示词的特点,在LSTM模型中引入注意力机制,建立了基于LSTM注意力嵌入的英语机器翻译模型;然后,在TensorFlow框架上搭建英语机器翻译系统,并在IWSLT2019数据集上对提出模型进行仿真实验。结果表明,本研究提出的基于LSTM注意力嵌入的英语机器翻译模型,相较于现有神经网络结构构建的英语机器翻译模型,如标准LSTM模型、RNN模型、GRU-Attention翻译模型,可增强源语言上下文信息的表示,提高英语机器翻译模型性能和译文质量。