JEMT模型

1.概述

　　机器翻译的输入一般是源语言的句子。但在很多实际系统中，比如语音识别系统的输出或者基于拼音的文字输入，源语言句子一般包含很多同音字错误, 这会导致翻译出现很多意想不到的错误。由于可以同时获得发音信息，我们提出了一种在输入端加入发音信息，进而在模型的嵌入层

融合文字信息和发音信息的翻译方法，大大提高了翻译模型对同音字错误的抵抗能力。

2.Joint Embedding

　　对于源语言的一个词，它的发音单元记作

        

　　作embedding时，每一个s作一次embedding，记作：

　　　　

 

　　　对于一个词的embedding是l+1维

　　　　

 

最后通过公式

　　　　

 

　　　　将三个向量合成一个向量