（1）获奖情况 [1] 2023-2024学年纳轩育才奖教基金“实践育人”奖。 [2] 施灿镇《基于多粒度特征融合的泰语文本语法纠错方法研究》 2024年校优秀硕士毕业论文。 [3] 李佳佳.《基于依存关系的非自回归神经机器翻译方法研究》 2024年校优秀硕士毕业论文。 [4] 刘晓丽. 《蒙汉神经机器翻译的方法研究》2023年校优秀本科毕业论文。 （2）教学/科研项目 [1]大规模语言模型的提示工程设计与实现，云南省“兴滇英才支持计划” 青年人才项目，项目经费：70万元，主持（在研）。 [2]融合多元化译文质量分析的神经机器翻译可解释性研究，国家自然科学基金地区基金项目，项目经费：37万，主持（在研）。 [3]低资源神经机器翻译的可解释性研究，云南省科技厅面上项目，项目经费：10万元，主持（已结题）。 （3）论文 [1]邱辉，朱俊国。译文质量估计中的对抗学习方法，小型微型计算机系统. 2025. 46(4). 789-795. [2]Kaiyuan Huang, Junguo Zhu. Critical Error Detection Based on Anchors Test. China Conference on Machine Translation, 2024: 51-65.(EI检索) [3]Xinquan Chang, Junguo Zhu. Enhancing Word-Level Completion for Masked Language Model with Multi-Model Fusion.2024: 41-53.(EI检索) [4]Zijie Zhou, Junguo Zhu, Weijiang Li. Towards Understanding Neural Machine Translation with Attention Heads' Importance. Applied Sciences, 2024, 14(7): 2798.(SCI检索) [6]王家琪, 朱俊国, 余正涛. 基于梯度权重变化训练策略的低资源机器翻译. 计算机科学与探索, 2024, 18(3): 731-739. [7]施灿镇, 朱俊国, 余正涛. 融合字符与词性特征的泰语文本语法错误检测. 中文信息学报, 2023-11, 37(11): 38-48. [8]郑一雄, 朱俊国, 余正涛. 词性信息在神经机器翻译中的作用分析. 中文信息学报, 2023, 37(12): 26. [9]胡雨, 朱俊国, 余正涛. 融合无监督质量估计指标的译文质量估计方法. 小型微型计算机系统, 2023, 44(12): 2715-2720. [10]朱俊国, 杨福岸, 余正涛, 邹翔, 张泽锋. 低频词表示增强的低资源神经机器翻译. 中文信息学报, 2022, 36(6): 44-51. [11]张洲, 朱俊国, 余正涛. 融合词性与声调特征的越南语语法错误检测. 计算机科学, 2022, 49(11): 221-227. [12]冉皓月，朱俊国，邱辉. 基于对抗学习的译文质量估计方法，中文信息学报（已录用）. [13]李佳佳，朱俊国，余正涛. 融入依存关系的迭代非自回归机器翻译模型，中文信息学报（已录用）. [14]庄紫薇，朱俊国. 面向多源文本的越南语文本检错方法研究,计算机工程（已录用）. [15]周茂春, 朱俊国. 基于检索优化的k近邻机器翻译方法研究. 计算机工程与科学（已录用）. [16]Guanghui Cai,Junguo Zhu. Interpreting Attention Mechanisms of NMT with Linguistic Features. The Institute of the Electronics, Information and Communication Engineers. (SCI源，已录用) [17]Junguo Zhu, Muyun Yang, Tiejun Zhao，and Li Sheng. Global Source-aware Statistical Post-Editing for General MT: Sentence Specification via Pseudo-Feedback. Journal of Information Science and Engineering, 2016, 32(6): 1697-1710. (SCI) [18]Muyun Yang, Junguo Zhu, Xiaoning Zhu, Sheng Li, and Tiejun Zhao. Evaluating MT Quality by Letter-based Calculation. Journal of Information and Computational Science. 2010, 7(1): 227-233. (EI检索) [19]Junguo Zhu, Muyun Yang, Li Sheng, and Tiejun Zhao. Sentence-level Paraphrasing for Machine Translation System Combination. Proceedings of International Conference on Young Computer Scientists, Engineers and Educators(ICYCSEE), 2016: 612-620. (EI检索) [20]Junguo Zhu, Muyun Yang, Sheng Li, and Tiejun Zhao. Learning Bilingual Sentence Represen tations for Quality Estimation of Machine Translation. The 12th China Workshop on Machine Translation(CWMT). 2016: 35-42. (EI检索) [21]Junguo Zhu, Muyun Yang, Sheng Li, and Tiejun Zhao. Repairing Incorrect Translation with Examples. Proceedings of the Sixth International Joint Conference on Natural Language Processing, 2013: 967-971. [22]Muyun Yang, Junguo Zhu, Sheng Li, Tiejun Zhao. Fusion of Word and Letter Based Metrics for Automatic MT Evaluation. Proceedings of the Twenty-third International Joint Conference on Artificial Intelligence (IJCAI). AAAI Press, 2013: 2204-2210. (CCF A 类，EI检索） [23]Junguo Zhu, Muyun Yang, Bo Wang, Sheng Li and Tiejun Zhao. All in Strings: a Powerful String-based Automatic MT Evaluation Metric with Multiple Granularities. Coling 2010 Poster: 1533-1540. (CCF B 类，EI检索) （4）知识产权 [1]面向多源文本的越南语语法纠错方法及装置CN202410326397.7朱俊国(1/3) |
