买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜哈尔滨理工大学申请的专利一种基于Transformer模型优化的神经机器翻译方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114722843B 。

龙图腾网通过国家知识产权局官网在2025-04-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111592088.7，技术领域涉及：G06F40/58；该发明授权一种基于Transformer模型优化的神经机器翻译方法是由陈海龙;郑鑫;王青;马玉群设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种基于Transformer模型优化的神经机器翻译方法在说明书摘要公布了：本发明提出了一种基于Transformer模型优化的神经机器翻译方法，建立翻译模型，获得WMT17中的NewsCommentaryv12中的中英数据集，并对数据进行归一化处理；在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；对翻译结果进行评价，结束翻译；使用BLEU值作为翻译模型的评判标准。该方法能够改善中英神经机器翻译的翻译准确率，提高翻译性能。

本发明授权一种基于Transformer模型优化的神经机器翻译方法在权利要求书中公布了：1.一种基于Transformer模型优化的神经机器翻译方法，其特征在于：所述方法具体包括以下步骤：步骤S1，建立翻译模型，获得WMT17中的NewsCommentaryv12中的中英数据集，并对数据进行归一化处理；步骤S2，在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；步骤S201，采用StanfordCoreNLP工具包获取每个句子的依存句法树，引入依存关系矩阵，抽取源语言句子结构信息并融合到翻译模型中；步骤S202，采用CBOW模型根据依存关系词和上下文词预测目标词获得词向量；步骤S203，使用StanfordCoreNLP工具包将源语言句子转化为依存句法树形式，转化为相应的依存关系矩阵；计算公式为： Di,j与步骤S202获得的词向量相乘得到新的输入序列；其中i为当前节点下标，j为其他节点下标，wj为其他节点，wi为当前节点；步骤S204，使用LSTM替换原Transformer模型获取位置编码的方式，获取LSTM每个时间步的输出作为每个词的位置信息；步骤S3，利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；步骤S4，将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；步骤S5，对翻译结果进行评价，结束翻译。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。