李蓉

（延安大學(xué)西安創(chuàng)新學(xué)院，陜西 西安 710100）

1 引言

隨著信息處理技術(shù)和機(jī)器翻譯技術(shù)的發(fā)展，采用智能的信息處理技術(shù)進(jìn)行英語(yǔ)翻譯軟件的優(yōu)化設(shè)計(jì)，建立英語(yǔ)翻譯軟件的自適應(yīng)參數(shù)學(xué)習(xí)和控制模型，采用多目標(biāo)優(yōu)化的學(xué)習(xí)方法，進(jìn)行英語(yǔ)翻譯軟件的優(yōu)化設(shè)計(jì)，提高英語(yǔ)翻譯軟件的多目標(biāo)優(yōu)化和自學(xué)習(xí)能力，從而提高英語(yǔ)翻譯軟件的輸出準(zhǔn)確性和穩(wěn)定性，相關(guān)的英語(yǔ)翻譯軟件優(yōu)化設(shè)計(jì)方法研究受到人們的極大關(guān)注[1]。

目前大多數(shù)學(xué)者是通過(guò)參數(shù)優(yōu)化識(shí)別[2]和特征提取方法[3]，進(jìn)行英語(yǔ)翻譯軟件的統(tǒng)計(jì)特征分析，結(jié)合大數(shù)據(jù)演化聚類分析的方法實(shí)現(xiàn)英語(yǔ)翻譯。由此得到的翻譯結(jié)果雖準(zhǔn)確性較高，但當(dāng)出現(xiàn)多目標(biāo)需要綜合考慮翻譯結(jié)果時(shí)，翻譯的準(zhǔn)確性有待考究。本文提出基于多目標(biāo)優(yōu)化路由算法的英語(yǔ)翻譯軟件學(xué)習(xí)算法，構(gòu)建英語(yǔ)翻譯軟件信息的多目標(biāo)優(yōu)化模型，通過(guò)自適應(yīng)尋優(yōu)控制方法，進(jìn)行多目標(biāo)優(yōu)化下的路由控制，實(shí)現(xiàn)多目標(biāo)優(yōu)化路由算法在英語(yǔ)翻譯軟件中的應(yīng)用，最后進(jìn)行實(shí)驗(yàn)測(cè)試分析，展示了本文方法在提高英語(yǔ)翻譯軟件輸出準(zhǔn)確性方面的優(yōu)越性能。

2 構(gòu)建英語(yǔ)翻譯軟件的多目標(biāo)學(xué)習(xí)參數(shù)模型

為提高英語(yǔ)翻譯軟件參數(shù)估計(jì)精度以及輸出的穩(wěn)定性、準(zhǔn)確性等性能。首先，建立英語(yǔ)翻譯軟件的多目標(biāo)學(xué)習(xí)參數(shù)模型，采用多參數(shù)融合方法進(jìn)行英語(yǔ)翻譯軟件的目標(biāo)進(jìn)化控制。結(jié)合模糊參數(shù)信息融合方法，得到英語(yǔ)翻譯軟件的多目標(biāo)優(yōu)化的路由分布元素為：

式中，“*”表示復(fù)共軛，t表示優(yōu)化時(shí)間，m，n表示所翻譯的句子和時(shí)態(tài)。根據(jù)英語(yǔ)翻譯軟件中多目標(biāo)優(yōu)化的路由的分布情況，采用空間網(wǎng)格聚類方法[4]進(jìn)行英語(yǔ)翻譯軟件多目標(biāo)特征量分類挖掘，得到英語(yǔ)翻譯軟件多目標(biāo)的檢測(cè)統(tǒng)計(jì)特征量為：

根據(jù)上式結(jié)果以及多參數(shù)融合方法，進(jìn)行英語(yǔ)翻譯軟件多目標(biāo)算法的優(yōu)化控制，得到參數(shù)統(tǒng)計(jì)特征為：

其中，L表示對(duì)所翻譯的句子和時(shí)態(tài)中關(guān)鍵詞的優(yōu)化長(zhǎng)度，結(jié)合關(guān)聯(lián)學(xué)習(xí)算法，得到英語(yǔ)翻譯軟件多目標(biāo)的相關(guān)參數(shù)句型、單詞、時(shí)態(tài)Φ，Ω，分別為：

根據(jù)得到的英語(yǔ)翻譯軟件多目標(biāo)的相關(guān)參數(shù)x，采用多目標(biāo)配置的方法，進(jìn)行英語(yǔ)翻譯軟件的最優(yōu)參數(shù)配置[5-8]，得到模糊隸屬度函數(shù)：

其中，a，u，m為0 到1 之間的隨機(jī)數(shù)，p(i)為英語(yǔ)翻譯軟件多目標(biāo)尋優(yōu)的最優(yōu)解，即個(gè)體極值，b為英語(yǔ)翻譯軟件多目標(biāo)配置系數(shù)。

根據(jù)模糊隸屬度函數(shù)，建立英語(yǔ)翻譯軟件的多目標(biāo)學(xué)習(xí)參數(shù)模型為：

其中，A是一個(gè)維數(shù)為P×L的英語(yǔ)翻譯軟件多目標(biāo)特征分布矩陣。

在上述英語(yǔ)翻譯軟件的多目標(biāo)學(xué)習(xí)參數(shù)模型的基礎(chǔ)上，采用多元參數(shù)融合和自適應(yīng)參量估計(jì)方法，進(jìn)行英語(yǔ)翻譯軟件的多目標(biāo)學(xué)習(xí)和自適應(yīng)參數(shù)跟蹤。采用反復(fù)迭代和概率推理的方法[9-11]，得到多目標(biāo)學(xué)習(xí)的推理模型表述為：

其中，對(duì)所翻譯的語(yǔ)義映射向量T=(T1，T2，…，TM)進(jìn)行若干次迭代后，通過(guò)自適應(yīng)尋優(yōu)控制方法，進(jìn)行多目標(biāo)優(yōu)化下的路由控制，根據(jù)多目標(biāo)優(yōu)化路由設(shè)計(jì)實(shí)現(xiàn)英語(yǔ)翻譯軟件的優(yōu)化輸出轉(zhuǎn)換控制和組網(wǎng)控制[12]。

3 英語(yǔ)翻譯軟件的多目標(biāo)優(yōu)化

通過(guò)自適應(yīng)尋優(yōu)控制方法，進(jìn)行多目標(biāo)優(yōu)化下的路由控制，路由進(jìn)化的更新規(guī)則為：

式中，Xj(t)為多次迭代后英語(yǔ)翻譯軟件多目標(biāo)優(yōu)化的最終完整關(guān)系特征量，特征分布集pg(t)定義為：

根據(jù)上述分析，具體實(shí)現(xiàn)流程如圖1所示。

圖1 實(shí)現(xiàn)流程

通過(guò)上述過(guò)程實(shí)現(xiàn)多目標(biāo)優(yōu)化在英語(yǔ)翻譯軟件中的應(yīng)用，從而提高英語(yǔ)翻譯軟件的輸出穩(wěn)定性和準(zhǔn)確性。

4 仿真測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)英語(yǔ)翻譯軟件的多目標(biāo)優(yōu)化和路由輸出控制中的應(yīng)用性能，采用Matlab進(jìn)行仿真測(cè)試，采用30 次試驗(yàn)進(jìn)行收斂性分析，假設(shè)語(yǔ)義本體向量的維數(shù)為24，關(guān)聯(lián)系數(shù)為0.21，全局迭代次數(shù)為1000，根據(jù)上述參數(shù)設(shè)定，測(cè)試集和訓(xùn)練集的尋優(yōu)性能，與文獻(xiàn)[13]和文獻(xiàn)[14]進(jìn)行對(duì)比實(shí)驗(yàn)，得到結(jié)果如圖2和圖3所示。

圖2 測(cè)試集的收斂性能

圖3 訓(xùn)練集的收斂性能

分析圖2 和圖3 得知，采用本文方法進(jìn)行英語(yǔ)翻譯軟件設(shè)計(jì)和多目標(biāo)路由優(yōu)化的參數(shù)估計(jì)精度較高，自適應(yīng)性能較好，提高了英語(yǔ)翻譯軟件的輸出穩(wěn)定性和準(zhǔn)確性。

5 結(jié)束語(yǔ)

采用多目標(biāo)優(yōu)化的學(xué)習(xí)方法，進(jìn)行英語(yǔ)翻譯軟件的優(yōu)化設(shè)計(jì)，提高英語(yǔ)翻譯軟件的多目標(biāo)優(yōu)化和自學(xué)習(xí)能力，采用多目標(biāo)配置的方法，進(jìn)行英語(yǔ)翻譯軟件的最優(yōu)參數(shù)配置，結(jié)合語(yǔ)義本體特征分解的方法，得到英語(yǔ)翻譯軟件多目標(biāo)約束進(jìn)化特征解。建立本體之間的語(yǔ)義關(guān)聯(lián)分布模型，結(jié)合非合作博弈論，根據(jù)多目標(biāo)優(yōu)化路由設(shè)計(jì)實(shí)現(xiàn)英語(yǔ)翻譯軟件的優(yōu)化輸出轉(zhuǎn)換控制。分析得知，本文方法進(jìn)行英語(yǔ)翻譯軟件設(shè)計(jì)的收斂性和尋優(yōu)能力較好。