论文部分内容阅读
针对传统模型无法有效处理不同语言的差异性,出现源语言语法信息丢失、翻译内容欠佳的问题,构建出一种基于树到串模型强化的神经机器翻译模型。获取传统神经机器翻译模型的解码器与编码器的工作原理与运行流程,采用源句法分析树、目标串和源端与目标端文本串之间的对齐信息等模块,架构树到串强化模型,利用GHKM算法提取翻译规则优化目标函数,依据词汇和短语的有机结合与结构化信息的提取能力,赋予语句带有规则的结构化信息,最终通过解码器与神经网络单元的组成,实现神经机器翻译模型的创建。仿真结果证明,所提模型可以极大程度抑制