多语言翻译模型的训练方法、系统和电子设备

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/软件开发
  • 学科类别:计算机科学技术/人工智能/自然语言处理
  • 权利人:上海交通大学

知识产权简介

一般情况下,神经机器翻译(Neural Machine Translation, NMT)作为一种序列到序列(sequence-to-sequence, seq2seq)的任务,其模型采用编码器-解码器(Encoder-Decoder)结构,通常为Transformer结构。多语言机器翻译(Multilingual Machine Translation)任务旨在通过同一机器翻译模型实现多个语言对的翻译目标。目前,处理多语言机器翻译问题有2种主流的解决方案: 第一,针对不同的源语言(source language)使用不同的独立的编码器,或针对不同的目标语言(target language)使用不同的独立的解码器。 第二,对于需求的多语言机器翻译任务中每个单独的翻译语言对,于源端句子前打上特定的标签(tag)以作区分。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作