《表2 不同模型的译文示例》

  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

《基于迁移学习的汉越神经机器翻译》

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2中第一组句子可以看出Transformer模型的译文出现了翻译结果不准确现象，漏掉翻译了哈勃“Hubble”与轨迹“quy～?a·o”等词语．而在第二组句子中，Transformer模型的译文与第一组数据相比，出现了更多的漏翻译情况，例如边缘“Ca·nh”、衍射“nhiê～xa·”、柔和“Mê`m”等．出现以上问题的原因是漏翻译的词汇在训练语料出现的次数较少，Transformer模型无法很好地学习低频词的语义表示．本文采取了迁移学习与枢轴语言的思想，使得汉越NMT的编码器能更好地表示源语言的语义信息，解码器可以学习目标端语言的先验知识，因此TLNMT-CV取得了更好的翻译效果．