摘要:通過(guò)以目標信息為指導的卷積體系總結相關(guān)源信息,提出了一種系統的處理語(yǔ)言方法。利用在解碼過(guò)程中使用不同的引導信號,經(jīng)過(guò)特殊設計的卷積+門(mén)控體系結構可以查明與預測目標單詞相關(guān)的源句子部分,并將其與整個(gè)源句子的上下文融合在一起形成統一表示形式。研究結果表明,模型將表示形式與目標語(yǔ)言單詞一起饋入深度神經(jīng)網(wǎng)絡(luò )(DNN),形成更強大的神經(jīng)網(wǎng)絡(luò )聯(lián)合模型(NNJM)。通過(guò)兩個(gè)NIST漢英翻譯任務(wù)的實(shí)驗驗證,在相同設置下,tagCNN和inCNN在Dep2Str基線(xiàn)上的改善幅度分別為+1.28,+1.75 BLEU,所提出的模型分別優(yōu)于NIST MT04和MT05的平均值+0.36,+0.83 BLEU,比傳統DNN機器翻譯平均提高了+1.08 BLEU點(diǎn)。模型為統計機器翻譯研究提供了新思路。