杨 璐，樊同科

(1.西安外事学院 国际合作学院，西安 710077;2.西安外事学院 工学院，西安 710077)

0 引言

翻译是将一种语言转换成另一种语言，翻译可以是逐字翻译，也可以是逐句翻译。在逐句翻译中，获得的信息比逐字翻译要多[1]。汉语是世界上使用人数是最多的语言，其使用人口约为14亿。机器翻译长于文本或者语音翻译，因此机器翻译系统在快节奏的语言交流领域扮演者重要作用[2]。与此同时，机器翻译是开放系统，具有泛化学习能力，随着新数据添加到模型，能够进行独立的更新替换。机器可以处理多维数据以及多种数据，机器翻译有助于节省时间，所以人们不必花时间在寻找字典来翻译一个句子，提高了生产率。

利用机器学习算法将英语翻译成汉语，采用自然语言处理使机器翻译智能化。语言处理方式日益丰富，许多研究定义了自然语言处理的体系结构，有些研究涉及英译汉翻译的改进，也有一些研究是简单句子结构和不同机器翻译系统的比较。然而，目前对复杂句子结构和句子重复意义的研究还比较少[3-7]。本研究的目的是设计一个基于递归神经网络(RNN，recursive neural networks)的英汉机器翻译体系结构，综合词汇的句法分析因素和注意权重，用RNN设计机器翻译系统的体系结构，并测试了机器翻译系统的性能。

1 方法论

采用自然语言处理可以使机器翻译智能化，研究人员提出了许多机器翻译的解决方案，对于英语到印地语的翻译，使用了两种编码器-解码器神经机器翻译结构，它们是卷积序列到序列模型(ConvS2S)和递归序列到序列模型(RNNS2S)[3]。……