双级交互式自适应融合的多模态神经机器翻译-学术咨询网
计算机工程与科学杂志

计算机工程与科学杂志

  • 北大期刊
  • CSCD
  • 统计源期刊
  • 知网收录
  • 维普收录
  • 万方收录
基本信息
  • 主管单位:

    国防科技大学

  • 主办单位:

    国防科技大学计算机学院

  • 国际刊号:

    1007-130X

  • 国内刊号:

    43-1258/TP

  • 创刊时间:

    1973

  • 期刊类别:

    计算机期刊

  • 出版社:

    计算机工程与科学

  • 主编:

    信息科技

  • 发行周期:

    月刊

出版信息
  • 审稿周期:

    1-3个月

  • 被引次数:

    95955次

  • 邮发代号:

    42-153

  • 全年定价:

  • 他引率:

    湖南省长沙市

  • 邮编:

    410073

  • 影响因子:2.134
  • 期刊分类:知网收录(中)
  • 发文量:11131篇
  • h指数:1.215
  • 立即指数:2360104次
  • 引用半衰期:
    该刊被以下数据库收录:INSPEC 科学文摘(英)(2025)JST 日本科学技术振兴机构数据库(日)(2025)CSCD 中国科学引文数据库来源期刊(2023-2024年度)(扩展版)WJCI 科技期刊世界影响力指数报告(2024)来源期刊
    北京大学《中文核心期刊要目总览》来源期刊:2008年版,2011年版,2014年版,2017年版,2020年版,2023年版
    期刊荣誉:Caj-cd规范获奖期刊;
期刊详情 投稿咨询 关注公众号

双级交互式自适应融合的多模态神经机器翻译

作者:杜连成,郭军军,叶俊杰,余正涛, ——本站更新时间::2025-04-03
关键词:
摘要:多模态神经机器翻译的目标是通过引入其他模态信息来提升纯文本神经机器翻译的质量。图像中包含了实体对象的关系、属性以及空间位置关系等多种语义信息。然而,目前存在的大
多模态神经机器翻译的目标是通过引入其他模态信息来提升纯文本神经机器翻译的质量。图像中包含了实体对象的关系、属性以及空间位置关系等多种语义信息。然而,目前存在的大多数融合方法仅考虑图像的部分视觉信息,忽略了对视觉模态内部关系的探索,导致视觉信息的利用率较低,无法充分利用图像所包含的全部语义信息。因此,提出了一种双级交互式自适应融合的多模态神经机器翻译方法,该方法考虑了图像不同方面的属性特征,以充分利用图像的视觉信息。实验结果显示,该方法能够有效地利用图像所具有的视觉信息,并且在Multi30K数据集的英语→德语(EN→DE)和英语→法语(EN→FR)2种翻译任务的测试上的效果显著优于当前大多数的效果最优(SOTA)多模态神经机器翻译方法的结果,十分具有竞争力。



相关文章
No related articles found!
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社