文摘
人工智能技术的发展高度依赖计算机技术的进步。前者为后者创造了这项技术。在不久的将来,我们相信计算机人工智能技术将进一步发展,更好地服务人民。换句话说,数据或注意生产商将编辑桥在每个程序段和突出矛盾和广播他们通过网络与人们感兴趣的标题,已经得到很多的关注和评论。探讨一种新的模糊评价模型,从当前的局势。探讨模糊算法人工智能机器翻译。机器翻译的顺序遵循的趋势图,而HEMTM机器翻译的分布更集中在HEMTM模型。数据挖掘算法的平均可靠性比为0.97,平均决策树算法的可靠性比为0.84,平均0.71机器学习算法的可靠性比,和平均模糊算法的可靠性比为1.34时的词汇索引是15。摘要模糊算法的比例是最高的四个算法。它可以转换成频域系数的收缩在人工智能机器翻译使用模糊算法,极大地简化了操作。 However, it will cause the ringing effect of fuzzy algorithm boundary in machine translation because it cannot well express the singular information of signals such as boundary. The extent of this effect is determined by the artificial intelligence machine translation breadth.
1。介绍
人工智能(AI)是一种新技术,它利用计算机技术来模拟和扩展人类智能。人工智能的快速发展带来了重大的变化,人类社会的许多方面。人工智能技术的发展依赖于计算机技术的进步,这是后者的技术。计算机人工智能技术(1,2)预计将进一步发展在不久的将来更好地为人民服务。这意味着数据或记录生产商将在每个程序编辑桥梁突出矛盾和通过网络广播,匹配人们感兴趣的标题,吸引了许多观众的评论和关注3]。iFlytek等公司,近年来,谷歌,百度,和其他人在机器翻译已经取得了显著的进展,促进该领域的进一步发展。谷歌提出了MT,使用神经网络系统和汉英翻译出错率高达85% (4,5]。因此,有些人认为“太将取代人工翻译,”导致翻译专业人士担心他们未来的职业前景。太是一个知识密集型的、跨学科的技术,需要语言学家和计算机科学家的合作。尽管研究太没有完美,人有很高的期望,希望它将尽可能精确的算术运算(6]。智能太系统,导致加速采用人工智能的概念和技术:从简单的文本输入语音输入OCR识别;从个人电子词典在电脑面对面交流的翻译应用程序在移动终端,实时翻译系统在大型会议上使用“云+端”模式;从词翻译自由自然语言翻译,沟通翻译满足文化的需要,情感(7),和专业领域8]。
探讨一种新的模糊评价模型,从当前的局势。模糊评价指标的帮助下创建一个模糊集,一个域的标准模糊划分,一个成员函数。一个模糊算法9,10)是一个模糊的环境扩展。模糊算法代表知识以一种更自然的方式对人类思维。模式识别(11),机器学习(12,13),所有使用传统方法和数据挖掘。诱导使用模糊算法,分类模型和路径包含为了实现分类信息摘要平衡和解决教学评价的定性问题。模糊计算模型是一组模糊条件句的语言形式。自学能力和故障定位精度不高由于需要建立大量的规则。模糊算法的目标是实现高清晰度和渐进的和美丽的模糊系统的行为。为建设和扩大符号推理过程,使用模糊集和近似推理。同时,它借各种现有方法处理不完整的知识和扩展他们利用新信息的模糊表示。
人工智能的基本思想太系统基于模糊计算是使用计算机自动实现人的控制经验和操作方法。模糊算法是用于描述过程变量和控制功能。与这些模糊概念和他们的关系,目前的控制量可以通过模糊推理根据这个模糊关系和过程变量的检测价值在特定的时刻。在人工智能太基于模糊算法,它可以转化为频域收缩系数,大大简化了操作。然而,因为它不能表达信号的奇异信息如边界,它将导致太模糊算法的振铃效应的界限,这种效应的严重程度取决于AI MT的宽度(14,15]。小波变换的局部时频特性,应用小波变换在太模糊算法取得了良好的效果,保持太没有损失的细节。本文的创新如下:(1)本文提出一个AI MT模型基于模糊算法。从粗到细的模糊处理太。发电机采用多尺度的编码和解码模型的结构,以提高效率,和上下文模块介绍了最后一层的编码。介绍了时间卷积网络网络编码器和解码器之间的不同尺度的发电机跨层传输信息,最后,这是歧视的鉴别器。(2)一个AI MT系统基于模糊算法构造。根据模糊算法,人工智能MT系统起着良好的作用,但它也模糊了MT的功能结构。无论在时域或频域,很难完全独立的噪声从信号在一个规模。本研究的情况下,如果模糊结构信息进一步受损,这将使太无法获得高质量在随后的反褶积过程。
2。相关工作
2.1。国内外研究现状
Karthikeyan等人提出,中国科研机构和企业已经达到了国际先进水平在全球AI太技术的竞争。其中,口语和多畴的MT技术会议场景有能力整合与领域相关的外部实体词的翻译知识和专业术语,以及多畴的精细建模和优化的能力,从而达到相同的一般作用和各领域有效地提高翻译的准确性(16]。Andriole等人提出的变化太来自三个方面:从基于规则、基于统计模型,基于神经网络;从基于词,短语,整个句子的基础;和需要使用大规模平行语料库,单语语料库的使用,实现零数据转换(17]。Chemouil等人提出,电脑可以代替人类完成数值计算等智能活动,但是数值计算和智能翻译是两种本质上不同能力的人(18]。王等人提出,大脑的判断事物的动态思维过程没有被验证了一个完整的理论领域的医学和人工智能。因此,如果我们想要一个质的飞跃的水平,我们必须首先解决这个问题19]。Nabi提出,传统的人工翻译已经发挥重要作用在人工智能技术的发展。直到现在,翻译平台发起的AI等行业巨头谷歌翻译,翻译阿里巴巴,百度翻译翻译行业已经逐渐占据了领先地位由于效率的翻译过程和翻译结果的准确性20.]。温克勒施瓦茨等人提出,数值计算是一个完全机械和常规操作。可以模拟这一过程的科学和技术人员总结规律和使用电脑21]。Nebot等人翻译是受上述三个上下文的影响。语言语境决定了译者在翻译中所使用的词汇,而情景语境和文化背景决定的翻译风格和翻译策略被采用的翻译。因为它往往是基于语法的分析,但从未深入语义层面,它实际上是一种直译(22]。郭机器翻译没有创造力。它只能机械地反复重组中包含的单词和句子翻译语料库和输出结果。这只翻译出原文的字面意思,没有精神内涵。它不能表达文章[中包含的深层含义23]。Shokouhifar等人提出,大脑的理解自然语言的影响是通过周围的环境和客观事物的检查和分析。随着历史的发展,语言的流畅性在不同时期都有其不同的评价方法。作品优雅但不低俗,他们已经经历了文学加工,与伟大的人为因素24]。根据高斌,et al .,申请人翻译的出现实际上是大幅提高生产力的表现。首先,它可以节省成本的资源,与传统的手工翻译,这需要大量的人力来参与,反复校对的复杂过程和验证在以后的阶段。太的整个过程只需要一台电脑和电源,并将没有低级错误,比如拼写遗漏。其工作的效率是无法比拟的手工工作(25]。
2.2。AI太基于模糊算法的研究现状
探讨人工智能太基于模糊算法和操作模型通过搜索相关的英语太模糊算法模型。模糊算法之间的差异和相应的英语太支持关系太建设过程中考虑。模型预计将用于创建英语选择题。插入翻译问题是随着数据量的增长,比较次变得无法预测和继续增长,负面影响运行时的效率。改善现在,二进制检索翻译是必需的。检索算法寻找一个特定的元素在一个有序数组被称为二叉检索,检索也称为一半。它的好处包括比较短时间和检索效率高。AI MT系统背后的基本想法基于人工神经网络和模糊计算是学习的人工神经网络构造。AI MT的内容输入到网络学习效果令人满意,和太的范围减少通过一系列的计算。这是第一次定位过程。然后,使用第一个定位结果的特征以及在操作和维护设备的实际情况,我们重新定位使用模糊计算。 Artificial intelligence is required for a true automatic high-quality machine translation system, which includes not only a machine dictionary and rule system but also a perfect knowledge base to formalize and store human knowledge for translation. Learning, inference, and other intelligence should be included in any machine translation system. Only in this way will it be able to comprehend and rely on the language environment to solve polysemy, fuzzy language, and rhetoric issues, effectively simulating the brain’s translation process. Statistics-based machine translation is actually a corpus-based machine translation system.
3所示。模糊算法的原理和模型
在计算机程序设计中,翻译是广泛使用的和重要的。AI MT和外部翻译翻译的两个主要组件是由于各种翻译记录他们处理。最广泛使用的人工智能太,这完全在内存中存储数据组织在翻译之前,根据自己的翻译规则,适用于与少量的数据元素序列。AI太基于模糊计算背后的概念是,人类可以通过计算来实现自动控制经验。程序需要首先建立一组模糊条件语句,适用于设备,然后使用模糊条件语句太的实际情况判断。它有能力处理不准确和不完整的数据。MT提取的独特性在处理阶段。模糊综合评价的目标是合成一个类别的每个因素,然后考虑所有因素对整体的影响。MT与人工翻译是相辅相成的,相互促进,共同发展。一方面,太有取得了很大的进步,带来了变化领域的翻译和翻译人员节省了大量的时间和精力。 For example, when doing some simple nonliterary translation texts, MT can quickly complete a lot of translation work, which is unmatched by human translation. To get the overall comprehensive evaluation result for multifactor and multilevel systems, first, we evaluate according to the lowest level of each factor, then comprehensively evaluate according to the upper level of each factor, and then evaluate to the higher level in turn, until the highest level is reached. The weight set of factors for each layer should be established at this time. MT has made significant progress and can now perform some translation tasks, but there are still some translation jobs that it cannot perform, such as literary translation and publications and books. The reason for this is that the current technological level does not yet allow manual translation to be replaced. As a result, not only should we improve our translation skills but we should also keep up with the times in order to remain competitive. Machine translation has come a long way in the age of artificial intelligence, and it can now assist people with some simple translation tasks, but we are afraid there is still a long way to go before it can completely replace human translation. The overall flow of the fuzzy AI MT system is as follows: first, the user inputs AI MT, then artificial neural networks perform the first MT, and then, fuzzy calculations based on the positioning of artificial neural networks perform the second translation. The system flow chart is shown in Figure1。
第一阶段结束时,AI MT系统生成和第二阶段的网络需要太系统生成的在前一个阶段作为输入。为了适应前一个阶段的输出文本的输入级网络,人工智能太需要翻译文本的输出。太细的结构网络coarsest-level网络的基本上是一样的。后连续迭代优化,网络输出机器翻译文本。因此,该改进方法的应用选择翻译算法是非常必要和有效的。太模糊算法的模型结构如图2。
输入是层次英语太,输出是分层的英语太。
4所示。结果模型建设
首先,一系列因素影响的对象太了,叫做因素集。
然后,一组评价组成的太结果建立了。
然后,重量的每个因素集,即表示为权重向量。
的加权值吗因素,它通常是规定的
的单因素模糊评价因素是模糊子集 在 。
所以,单因素评价矩阵是 。
然后,模糊综合评价评估对象的模糊子集 。
根据体重组的组合和单因素模糊评价矩阵 ,模糊子集获得的评价是综合评价。有三种模型:模型 ;模型 ;和模型 。
根据 ,的主要因素的决定因素 模型可以写成
的 - - - - - -th元素在可以通过以下公式计算:
突出主要因素模型。
我们用这个模型作为 。
当是一个模糊集,值吗 , 隶属度,和 ,分别定义的熵
太单词之间可以更好地评估使用公式(10),当 和 ,
这里,如果 ,其相关性可以被视为1因为设计中的信息词网络不能覆盖所有的单词。因此,如果是1,不能覆盖网络,这个词 。
希尔直接插入翻译,翻译,简单的选择翻译,堆翻译、泡沫翻译,快速翻译,翻译合并,和基本的翻译都是不同类型的翻译。这些翻译算法可以将数据或记录以方便搜索,但每个翻译算法的数据处理方法是不同的。手册翻译会使翻译更加生动和情感结合翻译的丰富的社会和生活经验,然后刺激读者的情感共鸣,这就是所谓的“优雅”翻译的环境。从粗到细,模糊处理太。上下文模块介绍了最后一层的编码,和发电机使用多尺度的编码和解码结构来提高模型效率。时间卷积网络介绍网络编码器和解码器之间的不同尺度的发电机跨层传输信息,并最终鉴别器的歧视。机器翻译利用循环神经网络将源语言到目标语言结束。两个自然语言之间实现自动翻译,神经机器翻译必须首先使用编码器编码源语言文本,然后解码源语言句子来获取目标语言句子。换句话说,编码器使用循环神经网络将源语言文本转换成一个密集的向量。译码器的工作是将密度向量转化为一个翻译。 The octave convolution residual block greatly reduces the model’s parameters and speeds up the network’s MT processing. In the context module, a multilayer empty volume is used, which greatly increases the receptive field and allows for better capture of multiscale context information. The goal of statistically based machine translation is to match segmented words and phrases in a parallel corpus of two language texts and then find the most relevant translation result. The application of artificial intelligence in natural language processing has been continuously developed in the 1990s, with the popularization of the Internet, making it possible to establish and operate large-scale corpora. Machine translation, with statistical translation as its primary function, has entered an unprecedented period of development. The growing demand for internationalization has created a huge market for translation software. Overall, machine translation is inextricably linked to human translation, and human translation requires the assistance of machine translation. The general trend will be the deep integration of the two. We can combine the advantages of both and learn from each other’s strong points in the translation process, which will not only improve efficiency and reduce the translator’s labour intensity but also improve the translation quality. However, it is undeniable that some low-level translators will be eliminated as a result of this process.
5。人工智能的实现太
5.1。AI太系统的设计基于模糊算法
许多语言、高速度、低成本、和范围广泛的应用程序都是太的优势。因此,它有很多优势当谈到翻译简单和更少要求文本。例如,许多人会选择在国外旅游的时候软件翻译业务;本文构建一个AI MT系统基于模糊算法。一些公司翻译质量要求较低或大量的文本将选择太因为系统可以处理大量的源语言文本在一个短的时间。统计机器翻译忽略了语法规则,尽管事实上它是不断发展和改善。大规模的语料库是至关重要的。消除歧义和翻译选择,利用统计数据。概率模型的覆盖能力和语料库最终决定了翻译效果。因此,单词和短语概率匹配结果达不到最后一句翻译和翻译的准确性结果是贫穷。以前,只有一个最大值时取出作为关键字值选择每个扫描翻译; however, after improvement, the two maximum values, namely, the maximum value and the minimum value, were selected to exchange with the data, halving the workload and greatly increasing the operational efficiency.
人工翻译的技术化将来将成为不可避免的趋势,由于人工智能,大数据和其他先进的信息技术。首先,机器翻译(MT)由AI导致翻译的重要内容和方式的变化。在这种情况下,译者不仅提高他们的专业的翻译技巧,还应该学习和应用新技术,以保持竞争力的AI-driven世界。太很难找出单词的确切含义在给定的情况下,更不用说考虑原文文本的连贯性和文化背景知识。他可以运用文化知识来分析和判断源文本的上下文,以便选择合适的单词,句子,和翻译策略,以产生一个翻译,遵循原文的风格和作者的意图。对于今天的太,这是困难的。AI太系统的影响是正的,但这也使得的功能结构太模糊。很难完全独立的噪声信号在一个单一的规模,是否在时域或频域。在这项研究中,进一步损害将防止太模糊结构信息实现后续的反褶积过程中质量好。当前翻译市场需要使用翻译工具,这可能是未来的趋势。 It will be difficult for translators to survive in the technical translation environment if they are unfamiliar with new translation techniques. This necessitates translators staying current with technology, learning and mastering technical translation skills, and putting them into practice.
AI太基于模糊计算的缺点是,它需要大量的诊断规则,使其自学习功能薄弱,无法及时更新数据库,降低精度。机器翻译的核心是模拟人类思维和语言的活动。然而,翻译是一个复杂的大脑思维活动本身。使用电子计算机来模拟人类大脑的这种先进的思维活动增加了过程的复杂性。我们都知道,有很多方法来模拟:车轮模仿人的腿和飞机模仿鸟类飞行。这个模拟执行类似于他们的原型,但在一个完全不同的方式。太系统大型语料库和令人难以置信的记忆像双语平行语料库和双语翻译语料库。结果,手动翻译可能不如太文本与大量的专业术语,因为双语知识需要长期的积累,和人们很难在短时间内记住大量词汇的时间。一个好的译者不仅理解源语言和目标语言的文化背景,也有着丰富的百科全书的知识。因此,译者可以考虑两种语言和文化之间的差异,理解作品中的情感因素,猜测作者的想法为了翻译在翻译过程中更加真实的作品。 The standardization of MT systems for fuzzy algorithms is primarily driven by AI and translation technologies. As a result, the MT system’s requirements and testing should incorporate AI technology and the requirements for translation services in other industries, fields, and scenes, extract the basic common technical requirements, and present the corresponding testing methods to form an overall system, with scientific, applicable, and operable technical specification. Furthermore, the MT system can assist translators with a variety of basic tasks while also improving the quality and efficiency of translation, giving them more time and energy to devote to more complex translation projects. So that MT and human translation can collaborate in the face of various translation scenes and tasks. MT will perform some simple, basic, and repetitive tasks to free up time and energy for translators to focus on more complex tasks, allowing them to maximize their strengths in their fields.
5.2。实验结果和分析
这个实验评估这些八个元素的AI太模糊算法和确定的重量分配子系统元素如表所示1和2。根据制造商提供的数据和检测数据在preevaluation阶段,每个元素的隶属度确定如表所示1和2。
从表可以看出1和2模糊算法,重量不是简单的价值,但最大重量是在太考虑单因素评价的前提和最大隶属度的单因素评价是在考虑因素的前提下重量。因此,相同的数据将出现在MT的结果。尽管很多信息将丢失,它可以更好地反映单因素评价结果的因素的重要性。在这方面,它比触摸类型。然而,仍然有一些限制在多级评价和多因素评估。
本文使用的数据集是层次英语太从trec2007收集数据集。有40种分级英语太可靠,与真正的语义级配组成的英语太只有一个答案和20分级英语太与实际语义从trec2007随机选择多个答案。比较分析,本实验使用三个实验比较数据挖掘算法,决策树算法、机器学习算法和模糊算法。FQ模型是一个模型没有任何功能通过搜索算法和分层英语太。实验结果如图3- - - - - -5。
从数据可以看出3- - - - - -5订单太没有明显的相关性与英语太信息集合的顺序。词汇指数20时,数据挖掘算法的平均可靠性比率是0.63,0.61的决策树算法,1.08 0.65机器学习算法和模糊算法。摘要模糊算法的比例是最高的四个算法。这样做的原因是,在本文模糊算法相比,数据挖掘,决策树,和机器学习算法有一个更大的范围。分级英语MT数据集来自TREC2007被用在这个实验。有40个不同类型的可靠的分级英语MTs,它们组成的分级英语MTs具有独特的单词的答案和评分MTs TREC2007 20个不同的单词回答随机选择。本实验使用数据挖掘算法、决策树算法,机器学习算法和模糊算法进行比较。HEMTM模型是没有功能的搜索和层次英语MT模型算法。实验结果如图6和7。
从数据可以看出6和7的订单太符合翻译的趋势图7和HEMTM MT的分布更集中HEMTM模型下的。词汇指数为15时,数据挖掘算法的平均可靠性比率为0.97,决策树算法的0.84,0.71机器学习算法,模糊算法1.34。在四个算法,模糊算法在本文中是最高的。太方便处理一些简单的句型,但当涉及到复杂的句子结构或嵌套的句型,太会机械地分解成条款然后安排结合起来,这是一种断章取义的表情。
6。结论
人工智能辅助翻译服务的发展,使得人们更容易掌握他们的母语以外的其他语言的一般意义。他们不再需要依靠人工翻译在某种程度上。翻译由神经机器不再是“词词。我们可以更好的理解“长句和复杂的结构作为一个整体,和源语言和目标语言可以结合上下文转换。本文主要介绍人工智能应用模糊算法和建立一个模糊算法的太AI MT系统。该方法结合了一般和特殊的法律,产生独特的效果,从而提高AI太准确。HEMTM MT的分布更集中在HEMTM模型中,和太遵循的顺序翻译的趋势图。数据挖掘算法的可靠性比平均为0.97,决策树算法0.84,0.71,机器学习算法和模糊算法1.34当词汇指数是15。摘要模糊算法是最好的的四个算法。fuzzy-based算法之间的差异和相应的英语太支持关系被认为是在太过程。 It has been confirmed that this model can be used with English multiple-choice questions. It is both a challenge and an opportunity to translate. To turn challenges into opportunities, we must continually improve our competitiveness, keep up with the times, fully utilize new translation technologies, and collaborate to usher in a new era of “man-machine dance.”
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。