一种基于动态配置解码的神经机器翻译方法

摘要

本发明的一种基于动态配置解码的神经机器翻译方法，在Transformer模型的基础上增加基于卷积神经网络的决策模型，把编码获得的编码信息作为输入送入决策模型，决策模型对编码信息进行卷积、池化和归一化处理，输出相应的解码配置；根据解码配置用已训练好的解码器进行解码，对选取的解码配置进行打分；根据打分结果采用增强学习的方法来改善决策模型，获得训练好的决策模型；采用训练好的改进的自注意力机制的模型进行翻译，输出准确率较高的翻译译文。本发明使用的决策模型小，训练代价低，其通过在已经训练好的机器翻译模型上以端到端的方式训练得到，而无需重新训练整个机器翻译模型。