基于单语语料库和无监督学习的翻译系统研究

针对传统翻译系统在单语语料库中易出现翻译语料丢失和翻译准确率低的问题，以单语语料库中的自动英诗汉译为研究对象，提出基于无监督学习的神经网络机器翻译方法，该方法将序列到序列模型Seq2Seq和注意力机制Attention相结合，构建Seq2Seq+Attention的单语语言机器翻译模型；在编码器中加入BiLSTM网络，通过回译策略对机器翻译模型进行反向训练和翻译，从而将无监督学习方法转换为有监督学习，以提升最终翻译结果准确率。实验结果表明，在单语语料库中，提出的基于无监督机器翻译方法在不同训练次数下BLEU值最高可达25。且通过人工评分发现，人工评分总分可达17.72分，总体分数较高。由此说明提出的方法可有效避免翻译语料丢失现象，提升翻译准确率。