基于 CNN 与 BERT 的英语翻译智能校对系统设计
计算与语言
2025-06-06 v1
摘要
由于机器翻译结果常含需大量人工润色的错误，翻译校对显得尤为重要。本文提出一种新颖的混合式校对方法，融合卷积神经网络（CNN）与双向编码器表示变换器（BERT）。为提取短语和表达式的语义信息，CNN 采用多种卷积核滤波器捕获局部 n 元agram 模式；而 BERT 则通过堆叠的双向变换器编码器构建整个序列的上下文丰富表示。借助 BERT 的注意力机制，集成的错误检测组件可关联 token，以识别包括词序错误和漏译等翻译异常。随后，校正模块采用平行英德对齐及 GRU 解码器模型结合翻译记忆，提出保持原意的合理修改。全流程采用统一的端到端训练流程，以提升后编辑性能。本研究使用的英德平行语料包括 WMT 系列多领域数据集及 Open-Subtitles 对话数据。多个损失函数共同监督检测与校正能力。实验结果达到 90% 的准确率、89.37% 的 F1 分数和 16.24% 的 MSE，显著优于近期校对技术。对比基准测试表明本方法在识别和连贯纠正误译与漏译方面实现了最前沿的性能。
引用
@article{arxiv.2506.04811,
title = {Design of intelligent proofreading system for English translation based on CNN and BERT},
author = {Feijun Liu and Huifeng Wang and Kun Wang and Yizhen Wang},
journal= {arXiv preprint arXiv:2506.04811},
year = {2025}
}