[發(fā)明專利]面向神經(jīng)機(jī)器翻譯的數(shù)據(jù)縮減方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810326887.1
• 申請(qǐng)日: 2018-04-12
• 公開（公告）號(hào): CN108460029A
• 公開（公告）日: 2018-08-28
• 發(fā)明（設(shè)計(jì)）人: 熊德意;許雪瑩
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06F17/28
• 分類號(hào): G06F17/28;G06F17/27
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 馮瑞;楊慧林

1.一種面向神經(jīng)機(jī)器翻譯的數(shù)據(jù)縮減方法，應(yīng)用在基于注意力機(jī)制且采用encoder-decoder框架的NMT模型，其特征在于，包括：

利用所述完整的初始語料進(jìn)行第一輪訓(xùn)練；

把上一輪平行句對(duì)的訓(xùn)練損失選擇保留一部分損失最小的訓(xùn)練語料留到下一輪繼續(xù)訓(xùn)練，其中，下一輪訓(xùn)練語料的大小與上一輪訓(xùn)練語料的大小的比值β∈﹙0,1﹚；

判斷已經(jīng)進(jìn)行的訓(xùn)練輪數(shù)是否小于等于預(yù)設(shè)的總的訓(xùn)練輪數(shù)，若是，繼續(xù)返回步驟“把上一輪平行句對(duì)的訓(xùn)練損失選擇保留一部分損失最小的訓(xùn)練語料留到下一輪繼續(xù)訓(xùn)練，其中，下一輪訓(xùn)練語料的大小與上一輪訓(xùn)練語料的大小的比值β∈﹙0,1﹚；”。

2.根據(jù)權(quán)利要求1所述的面向神經(jīng)機(jī)器翻譯的數(shù)據(jù)縮減方法，其特征在于，β∈[0.6,0.8]。

3.根據(jù)權(quán)利要求1所述的面向神經(jīng)機(jī)器翻譯的數(shù)據(jù)縮減方法，其特征在于，所述預(yù)設(shè)的總的訓(xùn)練輪數(shù)數(shù)量為10。

4.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1-3中任意一項(xiàng)所述方法的步驟。

5.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-3任意一項(xiàng)所述方法的步驟。