董 斌

（西北工业大学明德学院 西安 710124）

1 引言

随着我国对外开放程度的不断提高，英语已经成为对外交流场合的主要语言。传统人工翻译成本高昂，且受环境限制严重。近年来，借助于计算机的中英语言机器自动翻译成为了一个重要研究方向［1～3］。

基于规则翻译和基于例子翻译是早期机器翻译主要采用的方法，但翻译的准确性和自适应性均难以满足实际翻译需要［4］。随着机器学习技术的产生与发展，研究人员提出了基于机器学习的机器翻译模型［5］。文献［6］构建一种基于神经网络的机器翻译模型，该模型采用的端到端框架成为了后续机器翻译研究的基本结构。该框架的基本思路是采用机器学习方法搭建一个能够连接源语言序列和目标语言序列的编码/解码结构，实现两种语言之间的映射。基于编码/解码框架，支持向量机、卷积神经网络、循环神经网络等各种机器学习智能技术被用于构建机器翻译模型［7～8］。

本文基于编码-解码框架，构建了一种新的用于中英翻译的机器翻译模型。该模型采用长短时记忆循环神经网络（RNN）生成词向量，在编码阶段和解码阶段分别加入组嵌入技术和权值衰减方法，在提高机器翻译模型准确性的同事，降低了模型达到收敛的迭代次数，仿真实验结果验证了所提方法的有效性。

2 机器翻译模型

为了能够使机器自动地捕获语言特征，实现基于计算机的自然语言高效映射，首先需要建立一个能够连接两种自然语言的机器翻译模型。……