期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络特征的句子级别译文质量估计
被引量：
14
1
作者
陈志明
李茂西
王明文
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1804-1812,共9页
机器翻译质量估计是自然语言处理中的一个重要任务,与传统的机器翻译自动评价方法不同,译文质量估计方法评估机器译文的质量不使用人工参考译文.针对目前句子级别机器译文质量估计特征提取严重依赖语言学分析导致泛化能力不足,并且制约...
机器翻译质量估计是自然语言处理中的一个重要任务,与传统的机器翻译自动评价方法不同,译文质量估计方法评估机器译文的质量不使用人工参考译文.针对目前句子级别机器译文质量估计特征提取严重依赖语言学分析导致泛化能力不足,并且制约着后续支持向量回归算法的性能,提出了利用深度学习中上下文单词预测模型和矩阵分解模型提取句子向量特征,并将其与递归神经网络语言模型特征相结合来提高译文质量自动估计与人工评价的相关性.在WMT15和WMT16译文质量估计子任务数据集上的实验结果表明:利用上下文单词预测模型提取句子向量特征的方法性能统计一致地优于传统的QuEst方法和连续空间语言模型句子向量特征提取方法,这揭示了提出的特征提取方法不仅不需要语言学分析,而且显著地提高了译文质量估计的效果.
展开更多
关键词
机器翻译质量估计
句子级别
词向量
递归神经网络语言模型
支持向量回归
下载PDF
职称材料
联合无监督词聚类的递归神经网络语言模型
被引量：
1
2
作者
刘章
陈小平
《计算机系统应用》
2014年第5期101-106,共6页
研究表明，在递归神经网络语言模型的输入层加入词性标注信息，可以显著提高模型的效果．但使用词性标注需要手工标注的数据训练，耗费大量的人力物力，并且额外的标注器增加了模型的复杂性．为了解决上述问题，本文尝试将布朗词聚类的...
研究表明，在递归神经网络语言模型的输入层加入词性标注信息，可以显著提高模型的效果．但使用词性标注需要手工标注的数据训练，耗费大量的人力物力，并且额外的标注器增加了模型的复杂性．为了解决上述问题，本文尝试将布朗词聚类的结果代替词性标注信息加入到递归神经网络语言模型输入层．实验显示，在PennTreebank语料上，加入布朗词类信息的递归神经网络语言模型相比原递归神经网络语言模型困惑度下降8～9％．
展开更多
关键词
递归神经网络
词性标注
布朗词聚类
语言模型
下载PDF
职称材料
题名
基于神经网络特征的句子级别译文质量估计
被引量：
14
1
作者
陈志明
李茂西
王明文
机构
江西师范大学计算机信息工程学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1804-1812,共9页
基金
国家自然科学基金项目(61462044
61662031
61462045)~~
文摘
机器翻译质量估计是自然语言处理中的一个重要任务,与传统的机器翻译自动评价方法不同,译文质量估计方法评估机器译文的质量不使用人工参考译文.针对目前句子级别机器译文质量估计特征提取严重依赖语言学分析导致泛化能力不足,并且制约着后续支持向量回归算法的性能,提出了利用深度学习中上下文单词预测模型和矩阵分解模型提取句子向量特征,并将其与递归神经网络语言模型特征相结合来提高译文质量自动估计与人工评价的相关性.在WMT15和WMT16译文质量估计子任务数据集上的实验结果表明:利用上下文单词预测模型提取句子向量特征的方法性能统计一致地优于传统的QuEst方法和连续空间语言模型句子向量特征提取方法,这揭示了提出的特征提取方法不仅不需要语言学分析,而且显著地提高了译文质量估计的效果.
关键词
机器翻译质量估计
句子级别
词向量
递归神经网络语言模型
支持向量回归
Keywords
machine
translation
quality
estimation
sentence-level
word
embedding
recurrent
neural
network language
model
support
vector
regression
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
联合无监督词聚类的递归神经网络语言模型
被引量：
1
2
作者
刘章
陈小平
机构
中国科学技术大学计算机科学与技术学院
出处
《计算机系统应用》
2014年第5期101-106,共6页
文摘
研究表明，在递归神经网络语言模型的输入层加入词性标注信息，可以显著提高模型的效果．但使用词性标注需要手工标注的数据训练，耗费大量的人力物力，并且额外的标注器增加了模型的复杂性．为了解决上述问题，本文尝试将布朗词聚类的结果代替词性标注信息加入到递归神经网络语言模型输入层．实验显示，在PennTreebank语料上，加入布朗词类信息的递归神经网络语言模型相比原递归神经网络语言模型困惑度下降8～9％．
关键词
递归神经网络
词性标注
布朗词聚类
语言模型
Keywords
recurrent
neural
network language
model
part
of
speech
tag
brown
clustering
language
model
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP312.2 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于神经网络特征的句子级别译文质量估计
陈志明
李茂西
王明文
《计算机研究与发展》
EI
CSCD
北大核心
2017
14
下载PDF
职称材料
2
联合无监督词聚类的递归神经网络语言模型
刘章
陈小平
《计算机系统应用》
2014
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
