-
题名基于源语言句法增强解码的神经机器翻译方法
被引量：2
- 1
-
-
作者
龚龙超
郭军军
余正涛
-
机构
昆明理工大学信息工程与自动化学院
云南省人工智能重点实验室(昆明理工大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第11期3386-3394,共9页
-
基金
国家自然科学基金资助项目(61866020,61732005)
科技创新2030—“新一代人工智能”重大项目(2020AAA0107904)
云南省应用基础研究计划项目(2019FB082)。
-
文摘
当前性能最优的机器翻译模型之一Transformer基于标准的端到端结构,仅依赖于平行句对,默认模型能够自动学习语料中的知识;但这种建模方式缺乏显式的引导,不能有效挖掘深层语言知识,特别是在语料规模和质量受限的低资源环境下,句子解码缺乏先验约束,从而造成译文质量下降。为了缓解上述问题,提出了基于源语言句法增强解码的神经机器翻译(SSED)方法,显式地引入源语句句法信息指导解码。所提方法首先利用源语句句法信息构造句法感知的遮挡机制,引导编码自注意力生成一个额外的句法相关表征;然后将句法相关表征作为原句表征的补充,通过注意力机制融入解码,共同指导目标语言的生成,实现对模型的先验句法增强。在多个IWSLT及WMT标准机器翻译评测任务测试集上的实验结果显示,与Transformer基线模型相比,所提方法的BLEU值提高了0.84~3.41,达到了句法相关研究的最先进水平。句法信息与自注意力机制融合是有效的,利用源语言句法可指导神经机器翻译系统的解码过程,显著提高译文质量。
-
关键词
自然语言处理
神经机器翻译
句法信息
TRANSFORMER
增强解码
外部知识融入
-
Keywords
Natural Language Processing(NLP)
neural machine translation
syntactic information
Transformer
enhanced decoding
external knowledge incorporation
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于增强生成器条件生成对抗网络的单幅图像去雾
被引量：5
- 2
-
-
作者
赵扬
李波
-
机构
武汉科技大学计算机科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第12期3686-3691,共6页
-
文摘
大气中烟雾等粒子的存在会导致肉眼捕获场景的能见度降低。大多数传统的去雾方法都是预期估计雾霾场景的透射率、大气光,并利用大气散射模型恢复无雾图像。这些方法尽管取得了显著进展,但由于过分依赖苛刻的先验条件,在缺乏相应先验条件下的去雾效果并不理想。因此,提出一种端到端的一体化除雾网络,使用增强生成器的条件生成对抗网络(CGAN)直接恢复无雾图像。生成器端以U-Net作为基础架构,通过“整合-加强-减去”的促进策略,用一个简单有效的增强解码器,增强解码器中特征的恢复。另外,加入了多尺度结构相似性(MS-SSIM)损失函数,增强图像的边缘细节恢复。在合成数据集和真实数据集上的实验中,该模型的峰值信噪比(PSNR)和结构相似性(SSIM)明显优于传统的暗通道先验(DCP)、一体化除雾网络(AOD-Net)、渐进式特征融合网络(PFFNet)、条件Wasserstein生成对抗网络(CWGAN)去雾模型。实验结果表明,相较于对比算法,所提网络能够恢复出更接近于地面真相的无雾图像,除雾效果更优。
-
关键词
深度学习
图像去雾
生成对抗网络
增强解码器
多尺度结构相似性损失函数
-
Keywords
deep learning
image dehazing
Generative Adversarial Network(GAN)
enhanced decoder
Multi-Scale Structural SIMilarity(MS-SSIM)loss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于情感语义增强编解码的神经机器翻译方法
- 3
-
-
作者
万飞
-
机构
合肥工业大学管理学院
-
出处
《计算机技术与发展》
2024年第9期94-101,共8页
-
基金
安徽省高校自然科学研究重点项目(KJ2021A1253)。
-
文摘
针对目前神经机器翻译模型仅依赖平行语料训练而无法充分挖掘深层语言知识的问题,提出一种基于情感语义增强编解码的神经机器翻译方法,旨在通过引入额外的情感语义,提高模型对语言深层次信息的理解能力。首先,利用word2vec技术获取语料中所有单词的词嵌入,将其输入到一个融合模型中进行训练。该融合模型结合了基于GRU和文档嵌入的机制,以获取单词级别和文档级别的情感语义表征;其次,在情感融合阶段,采用加权公式将单词级别和文档级别的情感语义有机地融合,形成更为综合的情感语义表征;最后,将此表征与上下文语义表征按位相加,以全面引入情感信息,并将其作为输入传递到机器翻译模型的编码器和解码器中。在多个基准数据集上的实验显示,相较于传统的Transformer模型,该方法在IWSLT数据集上性能显著提升,BLEU值增加1.3至1.62。在WMT数据集上也取得良好性能,证实了融合情感语义在机器翻译中的有效性。
-
关键词
情感语义
增强编解码
神经机器翻译
TRANSFORMER
平行语料
-
Keywords
emotional semantics
enhanced encoding and decoding
neural machine translation
Transformer
parallel corpus
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名CT—aacPlus——一种新型音频编码方案
- 4
-
-
作者
马丁·迪茨
斯蒂芬·梅尔泽
-
机构
CodingTechnologies瑞典/德国公司CEO兼总裁
CodingTechnologies德国纽伦堡分公司商务发展部副总裁
-
出处
《世界广播电视》
2003年第5期26-29,共4页
-
-
关键词
CT-aacPlus
音频编码
低码率编码
SBR增强编解码器
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
