[发明专利]面向神经机器翻译的数据缩减方法在审
| 申请号： | 201810326887.1 | 申请日： | 2018-04-12 |
| 公开（公告）号： | CN108460029A | 公开（公告）日： | 2018-08-28 |
| 发明（设计）人： | 熊德意;许雪莹 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06F17/28 | 分类号： | G06F17/28;G06F17/27 |
| 代理公司： | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人： | 冯瑞;杨慧林 |
| 地址： | 215104 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种面向神经机器翻译的数据缩减方法，包括：利用完整的初始语料进行第一轮训练；把上一轮平行句对的训练损失选择保留一部分损失最小的训练语料留到下一轮继续训练，其中，下一轮训练语料的大小与上一轮训练语料的大小的比值β∈﹙0,1﹚；判断已经进行的训练轮数是否小于等于预设的总的训练轮数，若是，继续返回步骤“把上一轮平行句对的训练损失选择保留一部分损失最小的训练语料留到下一轮继续训练，其中，下一轮训练语料的大小与上一轮训练语料的大小的比值β∈﹙0,1﹚”。上述面向神经机器翻译的数据缩减方法，根据现有的NMT的特性，是动态选择的，保证NMT在大规模的语料上训练同时在速度上更快，翻译质量也更好。 | ||
| 搜索关键词： | 训练语料 机器翻译 数据缩减 神经 轮数 语料 平行 动态选择 保留 预设 翻译 返回 保证 | ||
【主权项】：
1.一种面向神经机器翻译的数据缩减方法，应用在基于注意力机制且采用encoder‑decoder框架的NMT模型，其特征在于，包括：利用所述完整的初始语料进行第一轮训练；把上一轮平行句对的训练损失选择保留一部分损失最小的训练语料留到下一轮继续训练，其中，下一轮训练语料的大小与上一轮训练语料的大小的比值β∈﹙0,1﹚；判断已经进行的训练轮数是否小于等于预设的总的训练轮数，若是，继续返回步骤“把上一轮平行句对的训练损失选择保留一部分损失最小的训练语料留到下一轮继续训练，其中，下一轮训练语料的大小与上一轮训练语料的大小的比值β∈﹙0,1﹚；”。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州大学，未经苏州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810326887.1/，转载请声明来源钻瓜专利网。
- 上一篇：将句子权重融入神经机器翻译的领域适应方法
- 下一篇：数据信息的展示方法及装置
