《表2 汉字分类结果：融入汉字字形特征的中英神经机器翻译模型》

  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

《融入汉字字形特征的中英神经机器翻译模型》

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

为了衡量字形特征和翻译模型相结合的程度，本文提出一种评测方法:汉字分类。该方法的主要思想如下:对于某一汉字m的字符向量Vcm，找到和该向量距离最短的字形特征向量Vsn，若m和n是同一汉字，则将m视为能够正确分类的汉字，否则将m视为分类错误的汉字。如表2所示，基于汉语字符的RNN能够正确分类的个数为0，这表明传统神经机器模型学到的字符向量确实不包含字形信息。辅助学习法能够正确分类的汉字占常用汉字的比例高达65%，远远大于Marta R.等提出的完全替代法，这表明本文提出的辅助学习法能够更好地将汉字字形特征融入神经机器翻译模型中。