收稿日期:2022-07-14∗基金项目:咸阳师范学院“青年骨干教师”培养项目(XSYGG201904);咸阳师范学院科研计划项目《村上春树文学中的中国“事”与“情”》(XSYK21002)作者简介:李星(1989-),女,陕西兴平人,硕士研究生,讲师。基于神经网络的智能外语翻译机器人语义纠错系统∗李星(咸阳师范学院,陕西咸阳712000)摘要:针对传统语法错误纠正系统存在并行化程度低的问题,提出以神经语法错误纠正基线模型为基础模型,在基于循环神经网络编码器-解码器基础上对其进行改进,并构建一个基于自注意力机制的语法错误纠正模型—Transformer,通过此模型提升语法纠正效果。实验结果表明,Transformer模型在对冠词、名词、介词、形容词等语法错误进行纠错时,其纠错召回率明显高于传统的MLConv模型,且本模型的计算并行化程度更高。由此说明,基于自注意力机制的语法错误纠正模型性能更为优越,构建的Transformer系统在语法错误纠正中具有可行性。关键词:语法错误纠正;循环神经网络;编码器-解码器;Transformer系统中图分类号:TP273文献标识码:ADOI编码:10.14016/j.cnki.1001-9227.2023.01.246SemanticerrorcorrectionsystemofintelligentforeignlanguagetranslationrobotbasedonNeuralNetworkLIXing(XianyangNormalUniversity,XianyangShaanxi712000,China)Abstract:Inviewoftheproblemoflowparallelizationofthetraditionalsyntacticerrorcorrectionsystem,theproposedneuralsyntacticerrorcorrectionbaselinemodelisbasedontherecurrentneuralnetworkencoder-decoder,andbuildsasyn-tacticerrorcorrectionmodelbasedontheself-attentionmechanism,Transformer,throughwhichtoimprovethegrammarcor-rectioneffect.Experimentalresultsshowthattheerror-correctionrecallofTransformermodelissignificantlyhigherthanthetraditionalMLConvmodel,whencorrectinggrammaticalerrorslikewords,nouns,prepositionsandadjectives,andthecom-putationalparallelizationofthismodelishigher.Thisshowsthatthegrammarerrorcorrectionmodelbasedontheself-atten-tionmechanismissuperior,andtheconstructedTransformersystemisfeasibleinthegrammarerrorcorrection.Keywords:grammarerrorcorrection;cyclicneuralnetwork;encoderdecoder;transformersystem0引言近年来,随着人工智能和计算机技术的飞速发展,越来越多的智能机器人在各个领域得到广泛应用。其中,外语翻译需求的增长,相应的...
