《表8 不同模型在syll+BME切分的维-汉翻译结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《带标记音节的双向维汉神经机器翻译方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将改进后的序列作为神经机器翻译的输入与输出，在17万的数据集上开展实验。在Transformer模型上的实验结果如表8所示。可以看到Transformer模型在维-汉翻译中，融入BME标注的音节切分方法与音节粒度和BPE粒度的翻译效果相比分别提升了0.83和3.04个BLEU值；而在汉-维机器翻译中，分别提升了0.59和3.09个BLEU值。RNN与CNN模型的翻译效果在维-汉、汉-维方向都有所提升。实验结果表明，本文提出的融入BME的标注方法能有效缓解语言中的歧义问题，进一步提升翻译质量。