Resumen

La recopilación de oraciones paralelas a partir de datos no paralelos es un problema de investigación del procesamiento del lenguaje natural que viene de lejos. En particular, las oraciones paralelas de entrenamiento son muy importantes para la calidad de los sistemas de traducción automática. Aunque muchos de los métodos existentes han mostrado resultados alentadores, no pueden aprender varios pesos de alineación en las oraciones paralelas. Para abordar este problema, proponemos una novedosa red neuronal de atención jerárquica paralela que codifica las oraciones monolingües frente a las bilingües y construye un clasificador para extraer las oraciones paralelas. En particular, nuestra estructura del mecanismo de atención puede aprender diferentes pesos de alineación de las palabras en las oraciones paralelas. Los resultados experimentales muestran que nuestro modelo puede obtener un rendimiento de vanguardia en el conjunto de datos inglés-francés, inglés-alemán e inglés-chino de la tarea compartida BUCC 2017 sobre la extracción de oraciones paralelas.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:frase paralela, calidad de la máquina, diferentes pesos de alineación, sistema de traducción automática, problema de investigación de procesamiento, conjunto de datos de bucc, peso de la palabra, frase de entrenamiento paralela, diferentes pesos de alineación, procesamiento del lenguaje natural
• Keywords:parallel sentence, quality of machine, various alignment weight, machine translation system, processing research problem, dataset of bucc, weight of word, parallel training sentence, different alignment weight, natural language processing