龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：昆明理工大学
申请日：2024-03-12
公开（公告）日：2024-05-07
公开（公告）号：CN117993399A
主分类号：G06F40/58
分类号：G06F40/58;G06F40/30;G06F40/284;G06N3/0455;G06N3/048;G06N3/096
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.24#实质审查的生效;2024.05.07#公开
摘要：本发明涉及基于参数高效微调进行语义适应的多粒度迁移学习的篇章级神经机器翻译方法，该方法旨在通过整合细粒度和粗粒度的上下文信息以及保持语义一致性来将源语言篇章有效翻译成目标语言。本发明通过引入一种两阶段训练策略和多粒度适配器Adapter模块来增强翻译模型的性能，能够有效地捕获句子到篇章级别的语义相关性，并解决全局语义一致性与局部多样性的问题。所提出的迁移学习策略，即先进行语义训练后适应篇章级上下文，通过预训练的句子级模型以及增强的适配器模块实现篇章级适应。实验结果显示，该方法在多个数据集上的s‑BLEU和d‑BLEU评价指标上均优于现有技术，表明其在提高篇章级翻译准确性和一致性方面的显著优势。
主权项：1.基于参数高效微调进行语义适应的多粒度迁移学习的篇章级神经机器翻译方法，其特征在于，包括以下步骤：Step1、获取双语平行篇章数据；Step2、使用工具对数据进行预处理，得到句子级数据和篇章级数据；Step3、将句子级数据进行句子级机器翻译训练；Step4、把句子级训练得到的结果加载到篇章级，对篇章级数据进行篇章级机器翻译训练；Step5、使用Adapter实现句子级信息到篇章级信息的迁移。
全文数据：
权利要求：
百度查询： 昆明理工大学 基于参数高效微调进行语义适应的多粒度迁移学习的篇章级神经机器翻译方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号