面向大学邮件应用的神经机器翻译模型
计算与语言
2020-08-04 v1 人工智能
机器学习
摘要
机器翻译具有诸多应用，如新闻翻译、邮件翻译、公函翻译等。商业翻译系统（如谷歌翻译）在区域词汇方面存在不足，且无法学习输入中源语言与目标语言的双语文本。本文提出一种基于区域词汇、面向应用的神经机器翻译（NMT）模型，所用数据集为某大学三年间用于通信的邮件。我们将用于ML→EN与EN→ML翻译的先进序列到序列神经网络，与采用注意力解码器的门控循环单元（GRU）循环神经网络机器翻译模型同谷歌翻译进行比较。谷歌翻译的BLEU分数低于我们的模型，表明基于应用的区域模型更优。我们的模型与谷歌翻译在EN→ML上的低BLEU分数表明，马来语相较于英语具有更复杂的语言特征。
引用
@article{arxiv.2007.16011,
title = {Neural Machine Translation model for University Email Application},
author = {Sandhya Aneja and Siti Nur Afikah Bte Abdul Mazid and Nagender Aneja},
journal= {arXiv preprint arXiv:2007.16011},
year = {2020}
}
备注
International Conference on Natural Language Processing (ICNLP 2020), July 11-13, 2020