公开(公告)号：CN106126507A

公开(公告)日：2016-11-16

申请号：CN201610457514.9

申请日：2016-06-22

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 张海军 ,  李婧萱

IPC: G06F17/28

CPC classification number: G06F17/2827 ,  G06F17/2818

Abstract: 本发明提出了一种基于字符编码的深度神经翻译方法及系统，使用递归神经网络（Recurrent Neural Network,RNN）建立一个联合的神经网络模型来覆盖整个翻译过程，从编码器‑解码器框架的角度直接完成翻译任务。方法包括：A、词向量生成：将字符级别的输入数据通过神经网络建模进行分词，并生成词向量；B、语言模型生成：利用递归神经网络在时间上具有记忆性的特点，建立语法规则；C、词对齐模型生成：得到对源语言语句中多个词翻译成目标语言词的概率；D、输出：将输入的源语言翻译成目标语言；E、联合翻译模型：将上述4个步骤的神经网络模型联合起来，建立一个基于字符编码的深度神经翻译模型（RNN‑embed），并使用GPU并行计算来加速模型的训练。

公开(公告)号：CN106126507B

公开(公告)日：2019-08-09

申请号：CN201610457514.9

申请日：2016-06-22

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 张海军 ,  李婧萱

IPC: G06F17/28

Abstract: 本发明提出了一种基于字符编码的深度神经翻译方法及系统，使用递归神经网络（Recurrent Neural Network,RNN）建立一个联合的神经网络模型来覆盖整个翻译过程，从编码器‑解码器框架的角度直接完成翻译任务。方法包括：A、词向量生成：将字符级别的输入数据通过神经网络建模进行分词，并生成词向量；B、语言模型生成：利用递归神经网络在时间上具有记忆性的特点，建立语法规则；C、词对齐模型生成：得到对源语言语句中多个词翻译成目标语言词的概率；D、输出：将输入的源语言翻译成目标语言；E、联合翻译模型：将上述4个步骤的神经网络模型联合起来，建立一个基于字符编码的深度神经翻译模型（RNN‑embed），并使用GPU并行计算来加速模型的训练。