《表1 不同模型运行结果比对》

  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

《基于DNN与规则学习的机器翻译算法研究》

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

从表1可以明显看出，在相同设置下，tagCNN和inC-NN在Dep2Str基线上的改善幅度为+1.28和+1.75BLEU，在相同设置下，其BBN-JM分别优于NIST MT04和MT05的平均值+0.36和+0.83BLEU。这些表明tagCNN和inC-NN可以在解码中分别提供区分性信息。值得注意的是，inCNN似乎比单词对齐（GIZA++）建议的附属单词更具信息性。因此，推测这是由于以下两个事实才成立的：