Luận văn Nghiên cứu dịch máy Trung - Việt dựa vào mô hình Transformer
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
──────── * ───────
Phạm Minh Nguyên
NGHIÊN CỨU DỊCH MÁY TRUNG-VIỆT
DỰA VÀO MÔ HÌNH TRANSFORMER
LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN
HÀ NỘI 08 – 2020
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
──────── * ───────
Phạm Minh Nguyên
NGHIÊN CỨU DỊCH MÁY TRUNG-VIỆT
DỰA VÀO MÔ HÌNH TRANSFORMER
Ngành
: Công nghệ thông tin
Chuyên ngành : Hệ thống thông tin
Mã số
: 8480104.01
LUẬN VĂN THẠC SĨ
NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Nguyễn Văn Vinh
HÀ NỘI 08 – 2020
LỜI CAM ĐOAN
Với mục đích học tập, nghiên cứu để nâng cao kiến thức và trình độ chuyên
môn nên tôi đã làm luận văn này một cách nghiêm túc và hoàn toàn trung thực.
Trong luận văn tôi có sử dụng một số tài liệu tham khảo của một số tác giả. Tôi
đã chú thích và nêu ra trong phần tài liệu tham khảo ở cuối luận văn.
Tôi xin cam đoan và chịu trách nhiệm về nội dung và sự trung thực trong
luậnvăn tốt nghiệp Thạc sĩ của mình.
Hà Nội, ngày 20 tháng 08 năm 2020
Phạm Minh Nguyên
3
LỜI CẢM ƠN
Lời đầu tiên, tôi xin chân thành cảm ơn các thầy cô giáo trong trường Đại Học
Công Nghệ - Đại học Quốc Gia Hà Nội, đꢀc biệt là các thầy cô của khoa Công Nghệ
Thông Tin đã truyền đạt cho tôi những kiến thức, kinh nghiệm vô cùng quý báu trong
suốt thời gian qua.
Tôi xin gửi lời cảm ơn đến TS. Nguyễn Văn Vinh – giảng viên khoa Công
Nghệ Thông tin – Trường Đại học Công Nghệ đã tận tình giúp đỡ, trực tiếp chỉ bảo và
hướng dẫn tận tình trong suốt quá trình làm luận văn.
Cuối cùng, tôi xin được cảm ơn đến gia đình, bạn bè đã động viên, đóng góp ý
kiến và giúp đỡ trong quá trình học tập, nghiên cứu và hoàn thành luận văn.
Do thời gian, kiến thức và kinh nghiệm của tôi còn hạn chế nên khóa luận
không thể tránh khỏi những sai sót. Tôi hy vọng sẽ nhận được những ý kiến nhận xét,
góp ý của các thầy cô giáo và các bạn để đồ án được hoàn hiện hơn.
Tôi xin chân thành cảm ơn!
Hà Nội, ngày 20 tháng 08 năm 2020
Phạm Minh Nguyên
4
MỤC LỤC
LỜI CAM ĐOAN.................................................................................................3
LỜI CẢM ƠN.......................................................................................................4
MỤC LỤC............................................................................................................5
DANH MỤC HÌNH VẼ .......................................................................................8
DANH MỤC BẢNG BIỂU..................................................................................9
MỞ ĐẦU............................................................................................................10
1.1. Khái niệm dịch máy.................................................................................12
1.3. Các cách tiếp cận dịch máy .....................................................................14
1.3.1. Dịch máy thống kê............................................................................14
2.1. Mạng nơ ron nhân tạo..............................................................................18
2.1.2. Mạng nơ ron hồi quy ........................................................................21
2.4.1. Giới thiệu..........................................................................................31
2.4.3. Tổng quan mô hình...........................................................................35
5
2.4.4. Bộ mã hóa.........................................................................................37
2.4.5. Bộ giải mã.........................................................................................40
3.1. Giới thiệu.................................................................................................42
3.2. Định hướng giải pháp..............................................................................42
3.3. Thử nghiệm..............................................................................................42
3.4. Đánh giá...................................................................................................45
3.4.1. Phương pháp đánh giá ......................................................................45
3.4.2. Kết quả..............................................................................................46
TÀI LIỆU THAM KHẢO..................................................................................50
6
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
Ký hiệu viết tắt
RNN
Thuật ngữ đầy đủ
Giải thích
Recurrent neural network Mạng nơ ron hồi quy
FFNN
Feed
forward
neural Mạng nơ ron truyền thẳng
language Xử lý ngôn ngữ tự nhiên
network
NLP
Natural
processing
LSTM
Long short term memory
Word to vector
Mạng bộ nhớ dài ngắn
Word2Vec
BOW
Bag of word
Mô hình túi từ
CBOW
GloVe
Continue bag of word
Global vector
Mô hình túi từ liên tiếp
Mô hình vector toàn cục
BLEU
Bilingual
Evaluation Điểm đánh giá chất lượng
dịch máy
Understudy Score
7
DANH MỤC HÌNH VẼ
Hình 1.1: Quá trình xử lý tài liệu dịch máy........................................................12
Hình 1.2: Các loại hệ thống dịch máy................................................................13
Hình 1.3: Kiến trúc mã hóa – giải mã. ...............................................................15
Hình 2.2: Ví dụ về một nơ ron nhân tạo.............................................................19
Hình 2.4: Mạng nơ ron truyền thẳng..................................................................21
Hình 2.5: Mạng nơ ron hồi quy. .........................................................................22
Hình 2.6: Mạng bộ nhớ dài ngắn........................................................................23
Hình 2.7: Cổng quên...........................................................................................23
Hình 2.8: Cổng vào.............................................................................................24
Hình 2.9: Cổng ra. ..............................................................................................24
Hình 2.19: Ví dụ biểu diễn từ đầu vào. ..............................................................39
8
DANH MỤC BẢNG BIỂU
Bảng 3-1: Thông tin cấu hình phần cứng ...........................................................42
Bảng 3-2: Thống kê về dữ liệu sử dụng .............................................................43
Bảng 3-6: Một số kết quả dịch ...........................................................................46
9
MỞ ĐẦU
Cùng với sự phát triển của trong quan hệ kinh tế Trung – Việt, số lượng các văn
bản dịch Trung – Việt ngày càng lớn, do đó nhu cầu đꢀt ra là cần thiết kế một mô hình
tự động để hỗ trợ dịch thuật. Trước đây dịch máy được thực hiện theo từ hay cụm từ,
tức là dựa vào hàng triệu từ hay cụm từ đã được dịch để đối chiếu, so sánh và chọn
cụm từ nào sát nhất bằng phương pháp thống kê để đưa vào kết quả. Hiện nay dịch
máy có thể thực hiện theo cả câu, rồi dùng ngữ cảnh để quyết định xem từ đó trong
ngữ cảnh đó thì chọn nghĩa nào cho chính xác nhất. Các nghiên cứu do đó cũng
chuyển dần sang dịch máy nơ ron (Neural Machine Translation), đây là cách tiếp cận
dịch máy phổ biến trong những năm gần đây và đã cho ra các kết quả thực sự tốt, tới
mức ngang hoꢀc hơn cả con người.
RNN, LSTM, GRU là các phương pháp tiếp cận hiện đại trong mô hình ngôn
ngữ và dịch máy, từ đó khắc phục được những hạn chế của việc phụ thuộc xa trong
mạng nơ ron truyền thống. Tuy nhiên trong nhiều bài toán về dịch thuật, việc cải thiện
cũng không đáng kể. Chính vì thế kỹ thuật attention được áp dụng để mang lại hiệu
quả cao hơn. Cách tiếp cận sequence-to-sequence with attention là một trong những
mô hình đầu tiên áp dụng kỹ thuật attention kết hợp với LSTM. Năm 2017, các kỹ sư
của Google đã giới thiệu kỹ thuật self-attention và đề xuất mô hình Transformer, cho
phép thay thế hoàn toàn kiến trúc recurrent của mô hình RNN bằng các mô hình full-
connected. Dịch máy lúc này chỉ hoàn toàn dựa vào kỹ thuật attention.
Tại Việt Nam, vấn đề dịch máy cũng đang rất được quan tâm. Tuy nhiên, các
nghiên cứu về tiếng Việt còn khá ít. Khoảng những năm trở lại đây có một số nhóm
nghiên cứu về dịch máy tiếng Việt nhưng chủ yếu tập trung vào hệ dịch Anh-Việt,
Pháp-Việt. Hiện nay Google là hệ thống dịch mở được sử dụng nhiều nhất trên thế giới
đã tích hợp tiếng Việt vào hệ thống của họ. Hệ dịch mở Google dịch khá tốt giữa tiếng
Anh với các ngôn ngữ khác, tuy nhiên với các cꢀp ngôn ngữ khác như Trung-Việt
Google sử dụng tiếng Anh làm trung gian nên chất lượng dịch còn khá thấp
Trong phạm vi khóa luận sẽ trình bày về mô hình Transformer – một mô hình
dịch máy hình hoàn toàn chỉ dựa vào kĩ thuật attention và ứng dụng vào dịch máy
Trung-Việt.
Luận văn có bố cục gồm 3 chương chính:
Chương 1: Tổng quan về dịch máy
Chương này giới thiệu tổn quan về dịch máy, một số cách tiếp cận dịch máy,
tiếng Trung và vấn đề dịch máy Trung – Việt hiện nay
Chương 2: Cơ sở lý thuyết
10
Chương này đi sâu tìm hiểu về mô hình mạng nơ ron nhân tạo và mô hình
Transformer sẽ áp dụng trong khóa luận
Chương 3: Dịch máy Trung-Việt dựa vào mô hình Transformer
Chương này sẽ trình bày việc áp dụng mô hình Transformer trong dịch máy
Trung – Việt và các kết quả thực nghiệm
Cuối cùng là một số kết luận và hướng phát triển trong tương lai
11
CHƯƠNG 1: TỔNG QUAN VỀ DỊCH MÁY
1.1. Khái niệm dịch máy
Dịch máy (machine translation) được hiểu là việc thực hiện dịch một ngôn ngữ
này (gọi là ngôn ngữ nguồn) sang một hoꢀc nhiều ngôn ngữ khác (gọi là ngôn ngữ
đích) một cách tự động, không có sự can thiệp của con người trong quá trình dịch [10].
Hiện nay, trên thế giới có khoảng 5650 ngôn ngữ khác nhau, với số lượng ngôn
ngữ lớn như vậy đã gây ra rất nhiều khó khăn trong việc trao đổi thông tin. Để có thể
trao đổi thông tin phải cần đến một đội ngũ phiên dịch khổng lồ để dịch các văn bản,
tài liệu, lời nói từ tiếng này sang tiếng khác. Vì vậy, con người đã nghĩ đến việc thiết
kế một hệ thống tự động trong việc dịch.
Ngày nay, có khoảng 5000 đến 7000 ngôn ngữ khác nhau trên thế giới. Với số
lượng như vậy đã gây ra rất nhiều vấn đề trong giao tiếp và cản trở sự phát triển của
thương mại quốc tế. Cùng với đó là sự bùng nổ thông tin cũng là gia tăng theo cấp số
nhân lượng dữ liệu cần dịch. Để đáp ứng được nhu cầu này, cần phải có nhiều hơn nữa
các dịch giả. Với nhu cầu như vậy, con người đã nghĩ đến việc thiết kế một mô hình tự
động để hỗ trợ dịch thuật. Khái niệm dịch máy xuất hiện kể từ khi máy tính ra đời và
phát triển cho đến ngày nay. Các nghiên cứu trong lĩnh vực dịch máy và các công nghệ
phần cứng liên tục phát triển để giải quyết ngày càng nhiều lĩnh vực trong thực tế. Mꢀc
dù thực tế, việc thành công bị giới hạn trong một số lĩnh việc cụ thể, ví dụ như lĩnh
vực dự báo thời tiết từ ngữ rõ ràng, dễ hiểu hơn ngành y học. Việc dịch máy được
khuyến khích sử dụng vì chúng có thể tự học và việc đưa vào cho nhiều người sử dụng
cũng là một phần rất quan trọng trong sự phát triển của hệ thống dịch máy.
Hꢀnh 1.1: Quá trình xử lý tài liệu dịch máy.
12
Đầu vào của một hệ dịch máy là một văn bản được viết bằng một ngôn ngữ
nguồn, quá trình dịch có thể chia thành hai giai đoạn. Đầu tiên, văn bản được phân tích
thành các thành phần, sau đó được dịch thành văn bản ở dạng ngôn ngữ đích. Kết quả
dịch có thể được con người hiệu chỉnh để trở thành bản dịch tốt. Như vậy trong một
quá trình dịch, con người có thể tác động vào các bước xử lý với mục đích làm cho kết
quả dịch tốt hơn.
1.2. Kiến trúc chung của một hệ dịch máy
Kiến trúc hiện thời của một hệ dịch máy có thể được phân thành 3 lớp chính
sau: trực tiếp, chuyển đổi, và liên ngữ. Ba lớp này tương ứng với các loại khác nhau
phụ thuộc vào mức độ phân tích của hệ thống.
Hꢀnh 1.2: Các loại hệ thống dịch máy.
Kiến trúc dịch trực tiếp (Direct Architecture): Thay thế từng từ trong văn
bản nguồn thành từ trong văn bản đích rồi sinh trở lại văn bản đích theo đúng thứ tự
văn bản nguồn. Kiến trúc này đơn giản nhưng không đạt hiệu quả cao vì các khác biệt
về cú pháp và tính đa nghĩa của từ. Kiến trúc này được áp dụng vào những năm đầu
của lịch sử dịch máy và đạt được thành công trong những ngữ cảnh hẹp hoꢀc trong bài
toán đòi hỏi chất lượng không cao lắm.
Kiến trúc dịch chuyển đổi (Transfer Architecture): Gồm hai mức, chuyển
đổi cú pháp và chuyển đổi ngữ nghĩa, thực hiện chuyển đổi các tri thức ngôn ngữ từ
ngôn ngữ nguồn sang ngôn ngữ đích (từ, cú pháp, nghĩa, ...). Kiến trúc này có độ chính
xác cũng như dễ đọc dễ hiểu, giải quyết mập mờ tốt hơn nhiều kiến trúc dịch trực tiếp.
13
Tuy vậy thường phải tốn nhiều công sức trong việc tiến hành việc chuyển đổi tri thức
ngôn ngữ cho từng cꢀp ngôn ngữ.
Kiến trúc dịch qua ngôn ngữ trung gian (Interlingual Architecture): Phân
tích ngôn ngữ nguồn và đưa ra mô tả về tri thức ngôn ngữ tương ứng trên một ngôn
ngữ trung gian, độc lập với ngôn ngữ nguồn. Từ đó tạo ra văn bản cho ngôn ngữ đích.
Nói cách khác, các cꢀp ngôn ngữ nguồn và đích đều được dịch thông qua một ngôn
ngữ trung gian. Đây là kiến trúc hoàn hảo mà các hệ dịch máy vươn tới.
1.3. Các cách tiếp cận dịch máy
Có nhiều các tiếp cận dịch máy: dựa trên luật (rule-based), dựa trên cụm từ
(phrase-based), dựa trên thống kê (statistics-based), dựa trên mạng nơ ron , .v.v. Các
triển khai hệ thống dịch trong thực tế không phải luôn luôn sử dụng chỉ một hướng tiếp
cận, nhiều hệ thống kết hợp các phương pháp tiếp cận khác nhau để đạt được kết quả
tốt nhất. Dưới đây là một số các cách tiếp cận dịch máy:
1.3.1. Dịch máy thống kê
Dịch máy thống kê [3] là một cách tiếp cận dịch thuật bằng cách xây dựng các
mô hình xác suất, sau đó kết hợp các mô hình này để chọn ra bản dịch khả thi nhất. Ý
tưởng của mô hình này là thay vì xây dựng từ điển, quy luật bằng tay, hệ dịch sẽ tự
động xây dựng từ điển và quy luật dựa trên thống kê. Cách tiếp cận này không đòi hỏi
sự phân tích sâu về ngôn ngữ, chúng thực hiện hoàn toàn tự động các quá trình phân
tích, chuyển đổi, tạo câu dựa trên kết quả thống kê có được từ kho ngữ liệu.
Cách tiếp cận dịch máy dựa trên thống kê được Brown và các cộng sự đưa ra từ
những năm đầu thập kỷ 1990 sau khi thấy được những thành công của việc áp dụng
thống kê trong một vài lĩnh vực. Brown và các cộng sự giả định rằng mỗi câu ở một
ngôn ngữ sẽ có được những câu dịch khác nhau ở ngôn ngữ khác. Và họ đã đưa ra
xác suất P(V|C) là xác suất điều kiện để dịch được câu V ở ngôn ngữ đích khi đã có
câu C ở ngôn ngữ nguồn.
Ý tưởng cơ bản của cách tiếp cận này là từ một câu C ở ngôn ngữ
nguồn, hệ thống đi tìm một câu V ở ngôn ngữ đích sao cho xác suất P(V|C) đạt giá trị
lớn nhất.
Ví dụ chúng ta muốn dịch câu tiếng Trung C = c1, c2, …, cn sang tiếng Việt.
Trong các câu tiếng việt, ta chọn câu Ṽ = v1, v2, …, vn có xác suất P(V|C) lớn nhất
|
푃(푐 푣)푃(푉)
Ṽ = argmaxv P(V|C) = argmaxv
(1)
푃(퐶)
~argmaxv P(C|V)P(V)
14
Bởi ngôn ngữ nguồn không thay đổi, do vậy P(C) là hằng số, do vậy chúng ta
có thể bỏ qua phần mẫu số ở (1). Ở đây chúng ta cần quan tâm đến ba vấn đề sau:
• Mô hình ngôn ngữ P(V)
• Mô hình dịch P(C|V)
• Bộ giải mã (decoder) để tìm kiếm một câu dịch có giá trị P(V|C) lớn nhất
Hiệu suất của các hệ thống dịch máy thống kê phụ thuộc nhiều vào cꢀp ngôn
ngữ đưa ra, hiệu suất của hệ thống này đạt được tốt nhất trên những cꢀp ngôn ngữ có
cấu trúc ngữ pháp tương đồng, chẳng hạn như tiếng Anh và tiếng Pháp. Các cꢀp ngôn
ngữ có sự khác biệt lớn về cấu trúc ngữ pháp, đꢀc biệt các ngôn ngữ không có nguồn
gốc châu Âu như tiếng Trung Quốc, tiếng Nhật… thì hiệu suất giảm đáng kể.
Các nghiên cứu về dịch máy thống kê gần đây cho thấy các mô hình dịch máy
nơ ron đạt được các kết quả tốt hơn so với mô hình dịch máy thống kê truyền thống.
Phần dưới đây sẽ trình bày về cách tiếp cận dịch máy mạng nơ ron
1.3.2. Dịch máy mạng nơ ron
Đây là một cách dịch tương tự như cách dịch của con người. Tức là hệ thống sẽ
thực hiện đọc trọn vẹn một câu nguồn, “hiểu” ý nghĩa của nó, sau đó sẽ tiến hành dịch
sang ngôn ngữ đích.
Hꢀnh 1.3: Kiến trúc mã hóa – giải mã.
Đầu tiên hệ dịch nơ ron sử dụng bộ mã hóa (Encoder) để đọc toàn bộ câu nguồn
và mã hóa nó dưới dạng một vectơ biểu diễn ý nghĩa. Sau đó, bộ giải mã (Decoder) sẽ
đọc và giải mã vec tơ biểu diễn câu nguồn này để sinh ra bản dịch tương ứng sang
ngôn ngữ đích, quá trình mã hóa - giải mã được minh họa như ở hình 1.3.
Tương tự như dịch máy thống kê, dịch máy dựa trên mạng nơ ron là mô hình
dịch máy dựa trên dữ liệu, phụ thuộc vào dữ liệu song ngữ sử dụng để huấn luyện
Trong luận văn sẽ sử dụng hướng tiếp cận dịch máy nơ ron và áp dụng vào cꢀp
ngôn ngữ Trung – Việt. Chi tiết về mô hình mã hóa và giải mã được sử dụng sẽ được
trình bày trong chương 2
15
1.4. Tiếng Trung Quốc và vấn đề dịch máy Trung – Việt
Dịch thuật là một vấn đề khó, bởi nó đòi hỏi cần phải có kiến thức về cả ngôn
ngữ nguồn và ngôn ngữ đích. Bên cạnh đó, mỗi một ngôn ngữ lại có những đꢀc điểm
riêng khiến cho việc chuyển nghĩa hoàn toàn các từ là vấn đề khó.
Tiếng Việt và tiếng Trung đều thuộc ngôn ngữ đơn lập, dấu cách (space) không
được sử dụng như một kí hiệu phân tách từ, nó chỉ có ý nghĩa phân tách các âm tiết với
nhau, một từ có thể bao gồm một hoꢀc nhiều từ chính tả.
Một câu tiếng Trung bao gồm một dãy các từ chính tả, kể cả dấu câu, nằm liên
tiếp với nhau và không có khoảng trắng giữa các từ chính tả này [9]. Trong tiếng Việt,
các từ chính tả được phân cách với nhau bởi một khoảng trắng, các dấu câu nằm liền
sau từ chính tả [1]. Ví dụ, chúng ta có cꢀp câu như hình 1.2:
• Câu “我是越南人” có thể tách thành các từ [我, 是, 越南, 人] và giữa các từ
không hề có dấu cách
• Câu tiếng Trung trên được dịch ra là “Tôi là người Việt Nam”, bao gồm các
từ [Tôi, là, người, Việt Nam]
Hꢀnh 1.4: Ví dụ sắp xếp từ trong tiếng Trung và tiếng Việt.
Bên cạnh việc phân tách từ, ngữ pháp cũng là một vấn đề quan trọng. Có những
ngôn ngữ có hệ thống ngữ pháp khá chꢀt chẽ, trong khi tiếng Việt có cấu trúc lỏng lẻo
hơn. Thậm chí còn có sự khác biệt trong vị trí của chủ ngữ (S), động từ (V), bổ ngữ
(O), ví dụ như tiếng Anh, tiếng Pháp, tiếng Trung Quốc, tiếng Việt là những ngôn ngữ
mà động từ đứng ở giữa chủ ngữ và bổ ngữ, trong khi tiếng Ireland và tiếng Ả Rập
động từ nằm ở trước chủ ngữ.
Ngoài ra sự đa nghĩa là điều thường xuyên có trong một ngôn ngữ, ví dụ
như旅行 (luxing): du lịch 银行 (yinghang): ngân hàng, hai từ này cách viết hoàn toàn
giống nhau, nhưng có thể phát âm theo hai cách khác nhau, dẫn đếnnghĩa khác
nhau.Do vậy nghĩa của một từ sẽ mơ hồ nếu bối cảnh không rõ ràng. Đối với một số
trường hợp, một người có có thể sử dụng những từ “đa dụng” như “ấy”, “nó” … khiến
việc tìm kiếm nghĩa của từ trở nên khó khăn.Một vấn đề nữa, một ngôn ngữ có thể
16
chứa các từ mà ta không thể tìm thấy nghĩa chính xác trong ngôn ngữ khác, ví dụ như
một số từ lóng như “thần sầu”, “vi diệu”, …
Mối quan hệ giữa Trung Quốc – Việt Nam là mối quan hệ lâu đời và đã có lịch
sử hàng nghìn năm. Bên cạnh việc là ngôn ngữ có cấu trúc chủ ngữ, động từ, bổ ngữ,
cả hai ngôn ngữ đều có chung một lượng lớn các từ “Hán – Việt”. Mꢀc dù không phải
tất cả các ký tự tiếng Trung Quốc đều có thể chuyển đổi sang tiếng Việt, nhưng nó
chiếm một phần quan trọng trong tiếng Việt khi mà một phần ba số từ vựng tiếng Việt
là tiếng Hán – Việt. Ví dụ, chỉ cần chuyển đổi một thành ngữ tiếng Trung Quốc
“半信半疑”, chúng ta “bán tín bán nghi” – hoàn toàn là thành ngữ Việt Nam. Các tên
người tiếng Trung hoàn toàn có thể dịch trực tiếp sang tiếng Việt và cũng có rất nhiều
văn bản, thơ cổ … tồn tại ở cả ba dạng là Hán tự, Hán – Việt, tiếng Việt.
Bên cạnh những điểm chung như cùng là ngôn ngữ đơn lập, cấu trúc ngữ pháp
lỏng lẻo, từ Hán – Việt, thì sự khác biệt giữa hai ngôn ngữ vẫn còn khá lớn so với sự
giống nhau như là ký tự tượng hình, chữ viết hoa, viết thường … và nó gây ra nhiều
vấn đề trong dịch thuật. Ngoài ta ngày nay các nghiên cứu về dịch máy Trung – Việt
vẫn đang còn hạn chế và ít tài liệu tham khảo.
Luận văn sẽ nghiên cứu để xây dựng một hệ thống dịch máy sử dụng mô hình
Transformer ứng dụng cho cꢀp ngôn ngữ Trung – Việt.
17
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1. Mạng nơ ron nhân tạo
Mạng nơron nhân tạo [5] là một mô hình xử lý thông tin phỏng theo cách thức
xử lý thông tin của các hệ nơron sinh học. Hình 2.3 cho thấy một mạng nơ-ron đơn
giản được tạo nên bởi tầng vào, tầng ra và tầng ẩn. Từ “ẩn” có nghĩa là chúng ta có thể
quan sát đầu vào và đầu ra trong khi cấu trúc kết nối chúng vẫn bị ẩn.
Hꢀnh 2.1: Mô hình mạng nơ ron đơn giản
Mạng nơron nhân tạo được tạo nên từ một số lượng lớn các phần tử (nơron) kết
nối với nhau thông qua các liên kết (trọng số liên kết) làm việc như một thể thống nhất
để giải quyết một vấn đề cụ thể nào đó. Một mạng nơron nhân tạo được cấu hình cho
một ứng dụng cụ thể (nhận dạng mẫu, phân loại dữ liệu,...) thông qua một quá trình
học từ tập các mẫu huấn luyện. Về bản chất “học” chính là quá trình hiệu chỉnh trọng
số liên kết giữa các nơron. Dưới đây sẽ trình bày chi tiết về một nơ ron đơn lẻ và cụ
thể về mô hình mạng nơ ron.
Lấy ý tưởng từ nơ ron sinh học của não người, một nơ ron có thể nhận nhiều
đầu vào và cho ra một kết quả duy nhất.
18
Hꢀnh 2.2: Ví dụ về một nơ ron nhân tạo.
Mỗi nơ ron sẽ nhận một hoꢀc nhiều đầu vào x dạng nhị phân và cho ra một kết
quả a dạng nhị phân duy nhất. Các đầu vào sẽ được điều chỉnh sự ảnh hưởng nhờ trọng
số w của nó, còn kết quả đầu ra sẽ được quyết định dựa trên một ngưỡng b nào đó
0 푁ế푢
1 푁ế푢
푤 푥 ≤ 푡ℎ푟푒푠ℎ표푙푑
푖 푖
∑
푖
푎 =
{
푤 푥 > 푡ℎ푟푒푠ℎ표푙푑
∑
푖
푖
푖
Đꢀt b = - threshold biểu thức trên có thể viết lại thành:
0 푁ế푢
푤 푥 + 푏 ≤ 0
푖 푖
∑
푖
푎 =
{
1 푁ế푢
푤 푥 + 푏 > 0
∑
푖
푖
푖
Với đầu vào và đầu ra dạng nhị phân, rất khó để điều chỉnh một lượng nhỏ đầu
vào để đầu ra thay đổi chút ít, do vậy để linh động, chúng ta có thể mở rộng chúng ra
cả khoảng [0, 1]. Lúc này chúng ta sử dụng một hàm đꢀc biệt, gọi là hàm kích hoạt để
giới hạn giá trị đầu ra. Các hàm kích hoạt thường rất đa dạng, có thể là hàm tuyến tính
hoꢀc phi tuyến. Việc lựa chọn hàm kích hoạt nào là tuỳ thuộc vào từng bài toán và
kinh nghiệm của người thiết kế mạng. Một số hàm kích thoạt thường sử dụng trong
các mô hình mạng nơron được đưa ra trong hình dưới.
19
Hꢀnh 2.3: Một số hàm kích hoạt thông dụng.
Như vậy nơron nhân tạo nhận các tín hiệu đầu vào, xử lý (nhân các tín hiệu này
với trọng số liên kết, tính tổng các tích thu được rồi gửi kết quả tới hàm kích hoạt), và
cho một tín hiệu đầu ra (là kết quả của hàm kích hoạt).
Một mạng nơ ron là sự kết hợp của các tầng nơ ron như hình 2.3. Dựa trên cách
thức liên kết các nơron người ta chia làm hai loại: Mạng nơron truyền thẳng và mạng
nơ ron hồi quy.
2.1.1. Mạng nơ ron truyền thẳng
Mạng nơ ron truyền thẳng là một mạng nơ ron nhân tạo, trong đó các kết nối
giữa các nút không tạo thành chu kỳ. Mô hình mạng nơ ron chuyển tiếp là hình thức
đơn giản nhất của mạng nơ ron vì thông tin chỉ được xử lý theo một hướng. Mꢀc dù dữ
liệu có thể đi qua nhiều nút ẩn, nó luôn đi theo một hướng và không bao giờ lùi. Số
đꢀc trưng của tập dữ liệu sẽ tương ứng với số nơron trong lớp đầu vào. Tất cả các
nơron này được kết nối với mỗi nơ ron trong lớp ẩn thông qua các đường liên kết gọi
là “khớp thần kinh”. Mỗi “khớp thần kinh” sẽ được gán một trọng số (weight). Các
trọng số này sẽ được điều chỉnh trong quá trình học của mạng nơron nhân tạo để mô
hình hóa mối liên hệ giữa lớp đầu vào và đầu ra.
20
Tải về để xem bản đầy đủ
51 trang
23541
Free
Bạn đang xem 20 trang mẫu của tài liệu "Luận văn Nghiên cứu dịch máy Trung - Việt dựa vào mô hình Transformer", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- luan_van_nghien_cuu_dich_may_trung_viet_dua_vao_mo_hinh_tran.pdf
