《表2 神经网络机器翻译架构对比实验结果Tab.2 Comparative experiments of neural network machine translation architecture

  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

《基于增量式自学习策略的多语言翻译模型》

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

注:BLEU4-SBP值为4元严格惩罚的BLEU值，下同.

为了实现更好的翻译效果，在架构的选择上本研究对比了清华大学机器翻译演示系统（THUMT，https:∥github.com/thumt/THUMT）提供的RNNSearch和Transformer两个架构，在JAZH数据集上进行实验，采用相同的预处理方法，在日中开发集上检验模型的翻译性能，采用BLEU[18]作为评价指标，实验结果如表2所示，可见Transformer架构显著优于RNNSearch架构.本研究分析认为:深层模型和自注意力对于捕获长距离信息更为有效，而该翻译任务是专利领域，句子较长，所以Transformer的优势较为明显.因此，本研究选择Transformer模型进行后续的实验.