摘要：神经网络机器翻译算法中,大部分人为设定的目标函数是尽可能提高n元词精确率,但这无法保证译文更加自然和准确。因此,将对抗生成网络(GAN)应用于机器翻译算法,使得网络自己学习目标函数。GAN中,生成模型采用Transformer模型生成假样本;判别模型采用基于卷积神经网络的二分类器判别真假样本。训练过程中,判别模型给出的分类结果和双语评估基础值(BLEU)目标函数一起评估假样本,并将结果反馈给生成模型,引导其进行参数更新及优化。采用AI-Challenger大赛提供的中英语料库和从全国机器翻译研讨会(CWMT)数据中随机抽取的英中语料库,分别在循环神经网络(RNN)、Transformer和Transformer+GAN模型上进行训练。Transformer和RNN模型相比,训练时长缩短了34h,BLEU提升了4.9分,而加入GAN训练后,BLEU又有0.02分的提升。
