بهبود عملکرد ترجمه ماشینی عصبی به کمک پالایش پیکره های شبه موازی

باالبردن کیفیت ترجمةماشینیعصبی، نیازمند آموزش آن، با استفاده از جفتپیکرههایموازی بزرگ میباشد.بسیاری از جفت زبانها مانند فارسی و انگلیسی، پیکرههای بزرگی که مناسب برای آموزش ماشینترجمةعصبی باشد،ندارند. در این جفت زبان، پیکرة با کیفیت محدود است و یکی ازبا کیفیتترین آنها پیکرة امیرکبیر استکه تنها 575592جفتجمله دارد.پیکرههای دیگری نیز وجود دارد که ازکیفیت الزم برای استفاده در آموزش مدلهایترجمةعصبی برخوردار نیستند که به آنها پیکرةشبهموازی میگوییم. استفاده از پیکرههایشبهموازی در آموزش مدل، کیفیت ترجمه را پایین میآورد. در این مقالهدر راستای افزایش کارایی مدلهایترجمه، مبتنی بر شبکههایعصبی از روش تصفیة پیکرههایشبهموازی استفاده میکنیم. روش تصفیه جمالت بدین صورت است که ابتدا یک طرف جمالت پیکرهشبهموازی به طرف دوم ترجمه شده سپس با استفاده از معیارهای شباهت دو جمله موازی، جمالت تصفیه میشوند و مدلهای ترجمةتولید شده را ارزیابی میکنیم. در روش دیگر برای تصفیه مستقیم، جمالت بدون ترجمه یک طرف به طرف دیگر، از یک شبکةعصبی جهت نگاشت بردارهایکلمات انگلیسی به یک فضای بردار جدید استفاده کرده و سپس معیارهای شباهت را بین جمله فارسی و جفت انگلیسی آن اعمال میکنیم. در تمام روشهای پیشنهادی حد آستانة میانگین را برای استخراج جمالت باکیفیت درنظر میگیریم.پیکرههای میزان و انصاری را با یکدیگر ترکیب و سپس تصفیه برای جمالت آن انجام میشود. ابتدا با پیکرةموازی امیرکبیر، یک مدل ترجمةعصبی بنام 1 مدل ترجمة امیرکبیر ایجاد میکنیم. مقدار بلودر اضافه کردن تصادفی 50/30 شده و در روشهای تصفیهای که انجام دادیم توانستیم مدلهای ترجمة باکیفیتتری تولید کنیم. باکیفیتترین مدل ترجمة نهایی در آزمایشات،مقدار بلو برابر07/31 به خودش اختصاص داد که با توجه به افزایش تعداد جمالت و گسترش دایرة لغات آموزشی برای مدل، از کیفیت قابل قبولی برخوردار است.