一种基于语法监督和深度强化学习的蒙汉神经机器翻译方法

摘要

一种基于语法监督和深度强化学习的蒙汉神经机器翻译方法，本发明首先对蒙汉平行语料进行预训练处理，并利用Stanford CoreNLP对汉语语料进行句法结构分析，得到的语法解析块序列也作为神经网络的训练数据；其次，以非自回归Transformer模型作为基本翻译模型，加入卷积神经网络句子主题提取模块和语法解析块序列的预测模块；然后，使用训练数据对模型进行训练；最后，运用深度强化学习对模型的参数进行优化微调。本发明提供的算法，显式的将汉语语法知识融入神经机器翻译的过程中，使翻译的句子有更好的语法结构，使模型具有一定的可解释性，而DRL的优化微调则缓解了NMT普遍存在的词级训练目标函数和句子级评价函数不一致的问题，进一步提高了模型的翻译性能。