AppTek 参加 IWSLT 2022 等距口语翻译任务的技术报告
计算与语言
2022-05-13 v1
摘要
为参加 IWSLT 2022 评估的等距口语翻译任务（受限条件），AppTek 开发了基于神经 Transformer 的英德翻译系统，具备多种长度控制机制，涵盖源端与目标端伪标记，以及用字符剩余长度编码替代位置编码。我们进一步通过在句子级别从不同系统变体中选取符合长度假设的译文，以及对单一系统的 N-best 候选进行重打分，提升了译文长度合规性。符合长度的回译与正译合成数据，以及由原始 MuST-C 训练语料派生的其他平行数据变体，对实现质量与期望长度的良好权衡十分重要。实验结果表明，在 BERT 与 BLEU 分数所衡量的机器翻译质量损失最小化的同时，长度合规水平可达到 90% 以上。
引用
@article{arxiv.2205.05807,
title = {AppTek's Submission to the IWSLT 2022 Isometric Spoken Language Translation Task},
author = {Patrick Wilken and Evgeny Matusov},
journal= {arXiv preprint arXiv:2205.05807},
year = {2022}
}
备注
IWSLT 2022