《表3 使用门控策略和k个最大池实施的inCNN模型的BLEU-4分数（%）》

  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

以inCNN模型的比较为例，研究了门控策略可在多大程度上改善最大池化的翻译性能。对于使用最大池的inC-NN实施，本文用大小为2（简称2池）的最大池替换本地门（第2层），用k个最大池（“第4层”）替换全局门（“第4层”），其中k为{2；4；8}，然后将k池输出的平均值用作第5层的最终输入。这样可以确保第5层的输入维与具有门控的架构相同。从表3可以看出，门控策略可以比最大合并提高0.34，0.71BLEU点的翻译性能。此外还发现8池收益率性能要优于2池。所以推测这是因为翻译中有用的相关部分主要集中在源句子的几个单词上，可以通过较大的库大小更好地提取这些单词。