图卷积神经网络结合注意力机制的机器翻译方法研究

目前一般基于RNN (Recurrent Neural Network)框架下的编码器-解码器翻译模型不能有效挖掘翻译文章中句子的语义以及文本序列等为，因此，研究将图卷积神经网络结合注意力机制对机器翻译，提高翻译准确度的同时保证文章整体性与语义连贯性。实验结果表示，研究模型改变传统编码方式后可以减少维度与参数，在保留源语言文本的整体特征之外，强调了局部特征的强弱关联。通过数据集实证分析后模型的各项指标表现良好，进行长句翻译时，研究模型的Bleu得分提高2.5分，进行篇幅文章翻译时的语义表达准确度达到96%以上，源语句翻译效果优秀，凸显出整体语篇翻译的能力。