孙李丽，郭 琳，文 旭，张文诺

(1.商洛学院人文学院，陕西 商洛 726000; 2.商洛学院电子信息与电气工程学院，陕西 商洛 726000;3.西南大学外国语学院，重庆 400715)

0 引 言

机器翻译随着人工智能和深度学习技术应运而生，当前主要分为统计机器翻译SMT和神经机器翻译NMT这2种，前者利用语料库抽取跨语言词汇片段单元，依赖于平行语料库及大小，发展了基于词、短语和句法3种类型[1-2]；后者利用神经网络建立端到端翻译模型，建立源语言和目标语言的直接映射，缓解了语料库数据缺乏问题[3-4]。特别是近几年融入注意力机制、门逻辑单元和长短时记忆单元之后[5]，使得翻译质量显著提升，成为翻译研究与应用的主流。机器翻译软件陆续问世，例如百度2015年率先发布基于SMT的NMT神经网络机器翻译系统；谷歌作为翻译领域龙头，2016年发布系统之后开始致力于单模型多语言翻译系统开发。有道拥有词典搜索引擎和巨大用户数据，在新闻、英语学习和人机结合领域，具备强大竞争力；搜狗与清华大学建立天工智能计算研究院，依托搜索和输入法语料库，专注于中英翻译领域[6-8]。关于文学作品的机器翻译也开始出现，但是由于文化、政治、创造性等语言特色[9]和语言高维度诉求，很难同时达到“信、达、雅”的目标要求，所以需要结合作品语言特点改进机器模型，帮助人们进行自动化翻译工作。本文提出一种融合语义概念增强源端语言信息的方法，利用门控逻辑单元融合注意力机制，提高文学作品翻译质量。……