网格环境下数据传输模型的研究

深入研究了Globus工具包中数据传输模型的结构、实现细节和特点,在此基础上吸取它的优点,提出了一个新的与Globus工具无关的数据传输模型.该模型立足于为用户提供方便的使用模式,屏蔽系统的异构性,同时也考虑了传输性能和负载均衡等问题.     

Velocity与JSP技术在portlet开发中的研究及对比分析

深入研究了基于Jetspeed的两种portlet开发技术——Velocity与JSP技术,它们在portlet开发中各自的基于MVC的开发框架以及工作机制等,并从不同侧面,针对它们自身的优势和不足,通过个别的实例分析进行了较深入的对比研究。     

网格环境下数据传输模型的研究

深入研究了Globus工具包中数据传输模型的结构、实现细节和特点,在此基础上吸取它的优点,提出了一个新的与Globus工具无关的数据传输模型。该模型立足于为用户提供方便的使用模式,屏蔽系统的异构性,同时也考虑了传输性能和负载均衡等问题。     

基于多粒度的蒙汉神经机器翻译研究

在蒙汉神经机器翻译中,输入序列的基本粒度对翻译效果有一定的影响。为了选择合适的翻译粒度,分别对蒙古语和汉语进行词-词、词-子词、子词-词、子词-子词粒度的切分,并对比不同粒度在长短时记忆网络和Transformer翻译模型中的翻译表现。实验结果表明,在两种翻译模型中,对两种语料同时进行子词粒度切分效果最好。     

域信息共享的方法在蒙汉机器翻译中的应用

蒙汉翻译属于低资源语言的翻译,面临着平行语料资源稀缺的困难,为了缓解平行语料数据稀缺和词汇表受限引发的翻译正确率低的问题,利用动态的数据预训练方法ELMo（Embeddings from Language Models）,并结合多任务域信息共享的Transformer翻译架构进行蒙汉翻译。利用ELMo（深层语境化词表示）进行单语语料的预训练。利用FastText词嵌入算法把蒙汉平行语料库中的上下文语境相关的大规模文本进行预训练。根据多任务共享参数以实现域信息共享的原理,构建了一对多的编码器-解码器模型进行蒙汉神经机器翻译。实验结果表明,该翻译方法比Transformer基线翻译方法在长句子输入序列中可以有效提高翻译质量。     

Velocity与JSP技术在portlet开发中的研究及对比分析

深入研究了基于Jetspeed的两种portlet开发技术--Velocity与JSP技术,它们在portlet开发中各自的基于MVC的开发框架以及工作机制等,并从不同侧面,针对它们自身的优势和不足,通过个别的实例分析进行了较深入的对比研究.     

基于自注意力机制预训练跨蒙汉语言模型

针对蒙汉机器翻译中平行语料资源稀缺的问题,提出利用单语语料库对蒙汉机器翻译进行研究。由于利用单语语料库进行机器翻译的效果较差,故将基于自注意力机制预训练跨蒙汉语言模型应用于基于单语语料库训练的蒙汉机器翻译系统中。实验结果表明,基于自注意力机制预训练跨蒙汉语言模型的方法极大改善了蒙汉机器翻译系统的性能。     

基于神经网络迁移学习的蒙汉机器翻译方法

针对蒙汉神经机器翻译过程中出现严重未登录词的问题,利用字节编码技术对蒙汉平行语料进行预处理,实验结果表明字节对编码技术有效缓解了未登录词现象。同时,为缓解蒙汉平行语料不足问题,将迁移学习策略应用到在蒙汉神经机器翻译中,实验结果表明最终的翻译译文提高了1.6个BLEU值。另外,考虑到在神经机器翻译模型中的双语词向量的质量对最终的翻译译文质量有较大影响,将基于Word2vec预训练得到的词向量嵌入到蒙汉神经机器翻译模型中,实验结果表明译文提升了0.6个BLEU值。