呂娜

摘 要：自然語言是人類智慧的結(jié)晶，自然語言處理是人工智能中最為困難的環(huán)節(jié)之一。智能化時(shí)代的來臨給人們帶來了不一樣的體驗(yàn)，人機(jī)對(duì)話、人臉識(shí)別、在線翻譯技術(shù)等為現(xiàn)代交互式平臺(tái)控制技術(shù)的發(fā)展奠定了基礎(chǔ)。利用智能技術(shù)獲取數(shù)據(jù)、處理語言、實(shí)現(xiàn)與智能機(jī)器間的交流成為可能。文章對(duì)RNN編碼器交互式翻譯平臺(tái)技術(shù)開發(fā)進(jìn)行研究，結(jié)果顯示該交互式平臺(tái)在RNN編碼器嵌入后穩(wěn)定性和控制能力有一定程度的提升，減少了交互機(jī)在工作時(shí)被外界干擾的信息，以日漢互譯為例對(duì)基于RNN編碼器的交互式平臺(tái)控制技術(shù)應(yīng)用進(jìn)行了論證。

關(guān)鍵詞：RNN編碼器;交互式平臺(tái);控制技術(shù)

中圖分類號(hào)：TP391.2 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ?文章編號(hào)：1001-5922（2020）10-0162-03

Abstract：Natural language is the crystallization of human intelligence. Natural language processing is one of the most difficult problems in artificial intelligence. The coming of intelligent era brings people different experiences. Human-computer conversation， face recognition， online translation technology and so on lay the foundation for the development of modern interactive platform control technology. It is possible to acquire data， process language and communicate with intelligent machine by using intelligent technology. This paper studies the development of RNN encoder interactive translation platform technology. The results show that the stability and control ability of the interactive platform are improved to a certain extent after the RNN encoder is embedded， which reduces the information that the interactive machine is interfered by the outside world when it is working. Taking Japanese Chinese translation as an example， this paper demonstrates the application of RNN encoder based interactive platform control technology.

Key words：RNN encoder; interactive platform; control technology

0 引言

目前，國(guó)內(nèi)外對(duì)于交互式翻譯平臺(tái)控制開發(fā)領(lǐng)域研究的比較徹底，技術(shù)也越來越成熟[1]。隨著國(guó)家經(jīng)濟(jì)飛速發(fā)展，我國(guó)與日本等國(guó)之間的溝通愈來愈多，針對(duì)溝通中的語言障礙，可以將交互式平臺(tái)裝置安裝在計(jì)算機(jī)上解決語言問題。為保證交互式平臺(tái)工作的準(zhǔn)確性，當(dāng)語言信息發(fā)生變化時(shí)，該平臺(tái)也會(huì)隨之改變[2]。雖然這種交互式翻譯控制平臺(tái)在發(fā)展過程中得以應(yīng)用，但在還是有一些難以攻克的問題，比如工作時(shí)容易受到外界的干擾、控制的精準(zhǔn)度不達(dá)標(biāo)等。文章主要是以RNN編碼器作背景，以研發(fā)理論技術(shù)為前提，對(duì)交互式翻譯平臺(tái)的結(jié)構(gòu)和穩(wěn)定控制技術(shù)做了深切研究，以日語翻譯為例對(duì)平臺(tái)的實(shí)際應(yīng)用情況進(jìn)行了考量。

1 RNN編碼器控制下的交互式平臺(tái)結(jié)構(gòu)

1.1 單級(jí)交互式平臺(tái)

RNN編碼器的結(jié)構(gòu)可分兩種，分別是單級(jí)交互結(jié)構(gòu)和復(fù)合式交互結(jié)構(gòu)，是控制平臺(tái)在RNN控制下劃分的交互結(jié)構(gòu)。單級(jí)交互結(jié)構(gòu)是為了確保平臺(tái)的穩(wěn)定性可以通過旋轉(zhuǎn)框架實(shí)現(xiàn)，為確保實(shí)現(xiàn)平臺(tái)控制技術(shù)將RNN編碼器合理插入[3]。單級(jí)交互平臺(tái)構(gòu)造簡(jiǎn)單，成本消耗低，具有一定可靠性是目前采用最多的交互式機(jī)器。分別是二框架二軸、三框架三軸2種，由以下圖1和圖2所示。三框架的形成是RNN在工作過程中，將二框架加入滾動(dòng)軸，保持各軸與平臺(tái)平行。因?yàn)樵跐L動(dòng)軸加入后，各軸直接的耦合性復(fù)雜不易控制，所以在控制回路形成時(shí)，要保證工作過程的穩(wěn)定。交互式平臺(tái)三框架結(jié)構(gòu)示意圖如圖2所示。

1.2 復(fù)合交互式平臺(tái)

復(fù)合式交互式平臺(tái)有內(nèi)外框架兩個(gè)，結(jié)構(gòu)也可分兩種，根據(jù)平臺(tái)運(yùn)行速度的不同，安裝方式也有差異。其一是在內(nèi)框架安排RNN編制碼，稱之精控制回路;一種是安裝在外框架，由內(nèi)框架移動(dòng)至中心位置，外框架控制回路跟隨著內(nèi)框架控制回路，為粗控制回路[4]。交互式機(jī)器翻譯平臺(tái)復(fù)合結(jié)構(gòu)如圖3所示。

2 交互式平臺(tái)控制回路與日漢互譯特點(diǎn)融合

2.1 日漢交互式機(jī)器翻譯特點(diǎn)

日漢交互式機(jī)器翻譯的特點(diǎn)主要有：①日語依靠助詞或者助動(dòng)詞的粘著來表示每個(gè)單詞在句中的機(jī)能，因此，要想建設(shè)好日漢交互式機(jī)器翻譯平臺(tái)，掌握其助詞和助動(dòng)詞的用法極為重要;②日語的動(dòng)詞、形容詞、形容動(dòng)詞和助動(dòng)詞雖然有詞尾變化，但不像英語那樣受性、數(shù)、格的影響，在進(jìn)行日漢交互式機(jī)器翻譯過程中需要充分考慮這一差異性，避免出現(xiàn)同質(zhì)化現(xiàn)象;③日語的名詞、數(shù)詞和代詞等沒有性、數(shù)和格的變化，在進(jìn)行平臺(tái)構(gòu)建時(shí)需要充分考慮名詞在句子中的成分需要用助詞來表示;④日語的主語或主題一般在句首，謂語在句尾，其他成分在中間，即日語的一般語序?yàn)椋褐髡Z（——補(bǔ)語）——賓語——謂語，而修飾語（包括相當(dāng)于漢語的定語或狀語等的成分）則在被修飾語之前;⑤日語句子成分多數(shù)沒有嚴(yán)格的次序，可以靈活放置，有些成分則經(jīng)常可以省略。

2.2 交互式平臺(tái)控制回路融合分析

為擴(kuò)大平臺(tái)工作范圍，采用整體控制法使內(nèi)框架一直處于工作狀態(tài)，并且是在穩(wěn)定的前提下運(yùn)行。當(dāng)裝有RNN編制碼器內(nèi)框架受到外界因素干擾時(shí)，會(huì)影響到平臺(tái)穩(wěn)定性。當(dāng)敏感信號(hào)傳送至內(nèi)框架電機(jī)過程中如果RNN能感受的干擾和干擾速率時(shí)，將敏感信號(hào)進(jìn)行篩選并加以抑制，保證平臺(tái)運(yùn)行的穩(wěn)定。保證控制回路傳給外框架中的電機(jī)緊隨著內(nèi)框架運(yùn)行。為了保證主動(dòng)軸工作處于穩(wěn)定狀態(tài)，在加入RNN編碼器后首要需要客服在翻譯過程中的平臺(tái)振動(dòng)。切合實(shí)際發(fā)展情況，使平臺(tái)在今后的工作中，完成多項(xiàng)任務(wù)，實(shí)現(xiàn)多功能，在RNN運(yùn)行并與平臺(tái)結(jié)構(gòu)相結(jié)合[5]，對(duì)平臺(tái)控制工作以及自動(dòng)控制工作予以實(shí)現(xiàn)。圖4為平臺(tái)基本控制回路該具備的功能。

3 基于RNN編碼器交互式平臺(tái)穩(wěn)定控制

智能設(shè)備中交互式機(jī)器翻譯平臺(tái)居多，為了保證翻譯精度，可利用RNN進(jìn)行控制，保證平臺(tái)穩(wěn)定性并減少誤差和干擾信息[6]。當(dāng)平臺(tái)的穩(wěn)定性受到干擾時(shí)，安裝在內(nèi)部的傳感器會(huì)產(chǎn)生誤差，誤差的大小和翻譯速率有關(guān)，為控制穩(wěn)定，可使用主動(dòng)穩(wěn)定法和被動(dòng)隔離法，在缺點(diǎn)干擾信息后，盡力彌補(bǔ)及平衡干擾信息對(duì)翻譯平臺(tái)造成的影響，確保該平臺(tái)在工作狀態(tài)下的穩(wěn)定。交互式機(jī)器翻譯平臺(tái)穩(wěn)定控制工作流程如圖5所示。根據(jù)圖5所示，當(dāng)RNN編碼器經(jīng)過參數(shù)初始化設(shè)置后，進(jìn)行翻譯任務(wù)，在對(duì)翻譯內(nèi)容進(jìn)行編碼時(shí)，當(dāng)平臺(tái)收到外界干擾，可以設(shè)定平衡力矩來控制;如果未收到干擾則不用啟動(dòng)控制工作[7]。

4 交互式平臺(tái)控制技術(shù)性能測(cè)試

4.1 準(zhǔn)備試驗(yàn)

RNN編碼器的平臺(tái)控制系統(tǒng)，是否具有效應(yīng)和使用性。運(yùn)用傳統(tǒng)技術(shù)進(jìn)行對(duì)比，評(píng)估該平臺(tái)的控制性能，前提條件是在操作系統(tǒng)為windows10，Intel處理器的硬件環(huán)境下。將外界干擾力和數(shù)字信號(hào)處理器進(jìn)行參數(shù)設(shè)置，再對(duì)翻譯信號(hào)進(jìn)行去噪音處理。

4.2 結(jié)果分析

根據(jù)試驗(yàn)準(zhǔn)備，對(duì)同一個(gè)交互機(jī)器翻譯平臺(tái)的翻譯工作過程進(jìn)行分析，在伺服編碼器的控制技術(shù)與RNN控制技術(shù)下同時(shí)開始。再對(duì)輸出和輸入響應(yīng)曲線加入常值后分析。表1是在常值干擾情況下，輸出和輸入響應(yīng)曲線的對(duì)比。輸入響應(yīng)曲線與傳統(tǒng)控制比較，波動(dòng)減小，對(duì)翻譯平臺(tái)的抗干擾性能提高了[8]。輸出在保留伺服編碼控制時(shí)，加強(qiáng)了動(dòng)態(tài)響應(yīng)性能，降低了干擾信號(hào)對(duì)平臺(tái)造成的影響。

4.3 實(shí)驗(yàn)結(jié)論

據(jù)表1所示的數(shù)據(jù)對(duì)比，伺服編碼器雖然對(duì)交互式機(jī)器翻譯平臺(tái)的開發(fā)有增益作用，但在開拓過程中的會(huì)降低平臺(tái)運(yùn)行的穩(wěn)定性，動(dòng)態(tài)響應(yīng)能力差，非常容易受到外在信息的干擾。RNN編碼器能夠滿足翻譯平臺(tái)的快速性和穩(wěn)定性，而且有效對(duì)輸入響應(yīng)曲線和輸出響應(yīng)曲線的降低[9-10]?？刂颇芰σ脖人欧幋a器要高一些。近幾年現(xiàn)代科技發(fā)展速度遞增，促使我國(guó)在智能領(lǐng)域中對(duì)RNN編碼器的交互式機(jī)器翻譯平臺(tái)控制技術(shù)研究與開發(fā)，確保該平臺(tái)工作的穩(wěn)定性，有著推進(jìn)的關(guān)鍵作用。

5? ? ?結(jié)語

文章根據(jù)在RNN編碼器控制下交互式翻譯平臺(tái)不同結(jié)構(gòu)分析與控制回路的研究，包括以日漢互譯為例進(jìn)行測(cè)試試驗(yàn)，都為驗(yàn)證該平臺(tái)的控制技術(shù)。文章重點(diǎn)分析了基于RNN編碼器的交互式日漢互譯復(fù)合框架結(jié)構(gòu)，更好地對(duì)平臺(tái)控制系統(tǒng)的穩(wěn)定性進(jìn)行優(yōu)化處理，通過引入速率控制回路、位置與回路控制。在平臺(tái)工作過程中，如果受到外界干擾因素時(shí)，使用被動(dòng)隔離法和主動(dòng)穩(wěn)定法進(jìn)行控制執(zhí)行，保證干擾信息在平臺(tái)中傳播時(shí)抑制，更加了精準(zhǔn)RNN編碼器交互式日漢互譯平臺(tái)工作的穩(wěn)定性。

參考文獻(xiàn)

[1]曲媛媛，宮莉瑩，賀維.一種RNN-DBN的網(wǎng)絡(luò)購(gòu)物風(fēng)險(xiǎn)評(píng)估方法[J].哈爾濱理工大學(xué)學(xué)報(bào)，2019，24（4）：105-109.

[2]周旭峰，王醒策，武仲科.基于組合RNN網(wǎng)絡(luò)的EMG信號(hào)手勢(shì)識(shí)別[J].光學(xué)精密工程，2020，28（2）：424-442.

[3]朱晶晶，韓立新.基于RNN句子編碼器的聊天機(jī)器人[J].計(jì)算機(jī)與現(xiàn)代化，2018（1）：32-35.

[4]黃河，陳君，鄧浩江.基于循環(huán)神經(jīng)網(wǎng)絡(luò)的Modbus/TCP模糊測(cè)試算法[J].計(jì)算機(jī)工程，2019（7）：164-169.

[5]李曉暉，方芳，鄧天民.基于RNN的智能網(wǎng)聯(lián)汽車高精度定位方法[J].汽車工程學(xué)報(bào)，2019，9（4）：260-267.

[6]劉恒勇，史帥彬，徐旭輝，等.一種關(guān)聯(lián)RNN模型的非侵入式負(fù)荷辨識(shí)方法[J].電力系統(tǒng)保護(hù)與控制，2019，47（13）：162-170.

[7]胡家琦，孫連山，石敏，等.基于RNN-FCNN的多尺度油水層識(shí)別方法[J].高技術(shù)通訊，2020，30（3）：305-313.

[8]胡六四.基于RNN的視頻模型構(gòu)建和動(dòng)作識(shí)別策略研究[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，37（5）：752-754.

[9]周楠，艾劍良.基于HMM和RNN的無人機(jī)語音控制方案與仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2020，32（3）：464-471.

[10]李偉，楊向東，陳懇.基CNN和RNN聯(lián)合網(wǎng)絡(luò)的心音自動(dòng)分類[J].計(jì)算機(jī)工程與設(shè)計(jì)，2020（1）：46-51.