Resumen

En los últimos años, la traducción automática basada en redes neuronales se ha convertido en el método principal en el campo de la traducción automática, pero aún existen desafíos de corpus paralelos insuficientes y datos dispersos en el campo de la traducción de recursos bajos. Los modelos de traducción automática existentes suelen entrenarse en conjuntos de datos segmentados a nivel de palabras. Sin embargo, diferentes granularidades de segmentación contienen diferentes características e información gramaticales y semánticas. Solo considerar la granularidad de las palabras restringirá el entrenamiento eficiente de los sistemas de traducción automática neuronal. Con el objetivo de abordar el problema de la escasez de datos causada por la falta de un corpus paralelo uigur-chino y la compleja morfología uigur, este documento propone un método de entrenamiento de granularidad de segmentación multiestratégico para sílabas, sílabas marcadas, palabras y fusión de sílabas-palabras, y se dirige a las redes neuronales recurrentes tradicionales y redes neuronales convolucionales; la desvent

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Traducción automática; Redes neuronales; Corpus paralelo; Traducción de bajos recursos; Granularidades de segmentación; Uigur-chino.
• Keywords:Machine translation; Neural networks; Parallel corpus; Low resource translation; Segmentation granularities; Uyghur-Chinese.