افزايش كارايي مدل هاي ترجمةماشيني با كمك افزايش حجم پيكرةموازي با استفاده از تصفية پيكره هاي شبه موازي

دانشگاه ولي عصر(عج)

كارشناسي ارشد

بالابردن كيفيت ترجمة ماشيني عصبي، نيازمند آموزش آن، با استفاده از جفت پيكره هاي موازي بزرگ مي باشد. بسياري از جفت زبان ها مانند فارسي و انگليسي، پيكره هاي بزرگي كه مناسب براي آموزش ماشين ترجمةعصبي باشد، ندارند. در اين جفت زبان، پيكرة با كيفيت محدود است و يكي از با كيفيت ترين آنها پيكرةاميركبير است كه تنها 575592 جفت جمله دارد. پيكره هاي ديگري نيز وجوددارد كه ازكيفيت لازم براي استفاده در آموزش مد ل هاي ترجمةعصبي برخوردار نيستند كه به آنها پيكرةشبه موازيمي گوييم. استفاده از پيكره هاي شبه موازي در آموزش مدل، كيفيت ترجمه را پايين مي آورد. در اين پايان نامه در راستاي افزايش كارايي مدل هاي ترجمه، مبتني بر شبكه هاي عصبي از روش تصفية پيكره هاي شبه موازي استفاده مي كنيم. روش كار به اين صورت است كه ابتدا از معيارهاي شباهت جفت جملات استفاده مي كنيم و مدل هاي ترجمة توليد شده را ارزيابي مي كنيم. در روشي ديگر ابتدا از يك شبكة عصبي جهت نگاشت بردارهاي كلمات انگليسي به يك فضاي بردار جديد استفاده مي كنيم و سسپس معيارهاي شباهت را اعمال مي كنيم. در تمام روش هاي پيشنهادي حد آستانة ميانگين را براي استخراج جملات باكيفيت درنظر مي گيريم. تصفيه براي پيكرةشبه موازي دوزبانة فارسي و انگليسي ميزان-انصاري انجام شده است. ابتدا با پيكرة موازي اميركبير، يك مدل ترجمةعصبي بنام مدل ترجمة اميركبير ايجاد مي كنيم. مقدار بلوي مدل اميركبير50/30 است. روش هاي تصفيه اي كه انجام داديم توانستيم مقدار بلو را 5/0 واحد افزايش دهيم و مدل ترجمة باكيفيت تري توليد شود. باكيفيت ترين مدل ترجمة نهايي در آزمايشات مقدار بلويي برابر 07/31 به خودش اختصاص داد كه با توجه به افزايش تعداد جملات و گسترش دايرة لغات آموزشي براي مدل، از كيفيت قابل قبولي برخورداراست.

179986

دانشگاه وليعصر رفسنجان

علوم كامپوتر

سيد مجتبي صباغ جعفري