基于RNN編碼器的交互式平臺控制技術開發

呂娜

摘 要：自然語言是人類智慧的結晶，自然語言處理是人工智能中最為困難的環節之一。智能化時代的來臨給人們帶來了不一樣的體驗，人機對話、人臉識別、在線翻譯技術等為現代交互式平臺控制技術的發展奠定了基礎。利用智能技術獲取數據、處理語言、實現與智能機器間的交流成為可能。文章對RNN編碼器交互式翻譯平臺技術開發進行研究，結果顯示該交互式平臺在RNN編碼器嵌入后穩定性和控制能力有一定程度的提升，減少了交互機在工作時被外界干擾的信息，以日漢互譯為例對基于RNN編碼器的交互式平臺控制技術應用進行了論證。

關鍵詞：RNN編碼器;交互式平臺;控制技術

中圖分類號：TP391.2 ? 文獻標識碼：A ? ? ?文章編號：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，國內外對于交互式翻譯平臺控制開發領域研究的比較徹底，技術也越來越成熟[1]。隨著國家經濟飛速發展，我國與日本等國之間的溝通愈來愈多，針對溝通中的語言障礙，可以將交互式平臺裝置安裝在計算機上解決語言問題。為保證交互式平臺工作的準確性，當語言信息發生變化時，該平臺也會隨之改變[2]。雖然這種交互式翻譯控制平臺在發展過程中得以應用，但在還是有一些難以攻克的問題，比如工作時容易受到外界的干擾、控制的精準度不達標等。文章主要是以RNN編碼器作背景，以研發理論技術為前提，對交互式翻譯平臺的結構和穩定控制技術做了深切研究，以日語翻譯為例對平臺的實際應用情況進行了考量。

1 RNN編碼器控制下的交互式平臺結構

1.1 單級交互式平臺

RNN編碼器的結構可分兩種，分別是單級交互結構和復合式交互結構，是控制平臺在RNN控制下劃分的交互結構。單級交互結構是為了確保平臺的穩定性可以通過旋轉框架實現，為確保實現平臺控制技術將RNN編碼器合理插入[3]。單級交互平臺構造簡單，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，將二框架加入滾動軸，保持各軸與平臺平行。因為在滾動軸加入后，各軸直接的耦合性復雜不易控制，所以在控制回路形成時，要保證工作過程的穩定。交互式平臺三框架結構示意圖如圖2所示。

1.2 復合交互式平臺

復合式交互式平臺有內外框架兩個，結構也可分兩種，根據平臺運行速度的不同，安裝方式也有差異。其一是在內框架安排RNN編制碼，稱之精控制回路;一種是安裝在外框架，由內框架移動至中心位置，外框架控制回路跟隨著內框架控制回路，為粗控制回路[4]。交互式機器翻譯平臺復合結構如圖3所示。

2 交互式平臺控制回路與日漢互譯特點融合

2.1 日漢交互式機器翻譯特點

日漢交互式機器翻譯的特點主要有：①日語依靠助詞或者助動詞的粘著來表示每個單詞在句中的機能，因此，要想建設好日漢交互式機器翻譯平臺，掌握其助詞和助動詞的用法極為重要;②日語的動詞、形容詞、形容動詞和助動詞雖然有詞尾變化，但不像英語那樣受性、數、格的影響，在進行日漢交互式機器翻譯過程中需要充分考慮這一差異性，避免出現同質化現象;③日語的名詞、數詞和代詞等沒有性、數和格的變化，在進行平臺構建時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，即日語的一般語序為：主語（——補語）——賓語——謂語，而修飾語（包括相當于漢語的定語或狀語等的成分）則在被修飾語之前;⑤日語句子成分多數沒有嚴格的次序，可以靈活放置，有些成分則經常可以省略。

2.2 交互式平臺控制回路融合分析

為擴大平臺工作范圍，采用整體控制法使內框架一直處于工作狀態，并且是在穩定的前提下運行。當裝有RNN編制碼器內框架受到外界因素干擾時，會影響到平臺穩定性。當敏感信號傳送至內框架電機過程中如果RNN能感受的干擾和干擾速率時，將敏感信號進行篩選并加以抑制，保證平臺運行的穩定。保證控制回路傳給外框架中的電機緊隨著內框架運行。為了保證主動軸工作處于穩定狀態，在加入RNN編碼器后首要需要客服在翻譯過程中的平臺振動。切合實際發展情況，使平臺在今后的工作中，完成多項任務，實現多功能，在RNN運行并與平臺結構相結合[5]，對平臺控制工作以及自動控制工作予以實現。圖4為平臺基本控制回路該具備的功能。

3 基于RNN編碼器交互式平臺穩定控制

智能設備中交互式機器翻譯平臺居多，為了保證翻譯精度，可利用RNN進行控制，保證平臺穩定性并減少誤差和干擾信息[6]。當平臺的穩定性受到干擾時，安裝在內部的傳感器會產生誤差，誤差的大小和翻譯速率有關，為控制穩定，可使用主動穩定法和被動隔離法，在缺點干擾信息后，盡力彌補及平衡干擾信息對翻譯平臺造成的影響，確保該平臺在工作狀態下的穩定。交互式機器翻譯平臺穩定控制工作流程如圖5所示。根據圖5所示，當RNN編碼器經過參數初始化設置后，進行翻譯任務，在對翻譯內容進行編碼時，當平臺收到外界干擾，可以設定平衡力矩來控制;如果未收到干擾則不用啟動控制工作[7]。

4 交互式平臺控制技術性能測試

4.1 準備試驗

RNN編碼器的平臺控制系統，是否具有效應和使用性。運用傳統技術進行對比，評估該平臺的控制性能，前提條件是在操作系統為windows10，Intel處理器的硬件環境下。將外界干擾力和數字信號處理器進行參數設置，再對翻譯信號進行去噪音處理。

4.2 結果分析

根據試驗準備，對同一個交互機器翻譯平臺的翻譯工作過程進行分析，在伺服編碼器的控制技術與RNN控制技術下同時開始。再對輸出和輸入響應曲線加入常值后分析。表1是在常值干擾情況下，輸出和輸入響應曲線的對比。輸入響應曲線與傳統控制比較，波動減小，對翻譯平臺的抗干擾性能提高了[8]。輸出在保留伺服編碼控制時，加強了動態響應性能，降低了干擾信號對平臺造成的影響。

4.3 實驗結論

據表1所示的數據對比，伺服編碼器雖然對交互式機器翻譯平臺的開發有增益作用，但在開拓過程中的會降低平臺運行的穩定性，動態響應能力差，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的快速性和穩定性，而且有效對輸入響應曲線和輸出響應曲線的降低[9-10]。控制能力也比伺服編碼器要高一些。近幾年現代科技發展速度遞增，促使我國在智能領域中對RNN編碼器的交互式機器翻譯平臺控制技術研究與開發，確保該平臺工作的穩定性，有著推進的關鍵作用。

5? ? ?結語

文章根據在RNN編碼器控制下交互式翻譯平臺不同結構分析與控制回路的研究，包括以日漢互譯為例進行測試試驗，都為驗證該平臺的控制技術。文章重點分析了基于RNN編碼器的交互式日漢互譯復合框架結構，更好地對平臺控制系統的穩定性進行優化處理，通過引入速率控制回路、位置與回路控制。在平臺工作過程中，如果受到外界干擾因素時，使用被動隔離法和主動穩定法進行控制執行，保證干擾信息在平臺中傳播時抑制，更加了精準RNN編碼器交互式日漢互譯平臺工作的穩定性。

參考文獻

[1]曲媛媛，宮莉瑩，賀維.一種RNN-DBN的網絡購物風險評估方法[J].哈爾濱理工大學學報，2019，24（4）：105-109.

[2]周旭峰，王醒策，武仲科.基于組合RNN網絡的EMG信號手勢識別[J].光學精密工程，2020，28（2）：424-442.

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

[4]黃河，陳君，鄧浩江.基于循環神經網絡的Modbus/TCP模糊測試算法[J].計算機工程，2019（7）：164-169.

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

[6]劉恒勇，史帥彬，徐旭輝，等.一種關聯RNN模型的非侵入式負荷辨識方法[J].電力系統保護與控制，2019，47（13）：162-170.

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

[8]胡六四.基于RNN的視頻模型構建和動作識別策略研究[J].佳木斯大學學報（自然科學版），2019，37（5）：752-754.

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

[10]李偉，楊向東，陳懇.基CNN和RNN聯合網絡的心音自動分類[J].計算機工程與設計，2020（1）：46-51.