神经机器翻译中习语的自动评估与分析
计算与语言
2022-10-11 v1
摘要
神经机器翻译（NMT）的一个主要未解决问题是习语表达（如“under the weather”）的翻译。这些表达的含义并非由其组成词的含义组合而成，而NMT模型倾向于逐字翻译（即词对词），这导致令人困惑且无意义的翻译。关于NMT中习语的研究有限，且因缺乏量化这些错误的自动方法而受阻。在这项工作中，我们首先提出了一种新颖的度量标准，用于自动测量直译错误的频率，无需人工参与。借助该度量标准，我们进行了受控翻译实验，使用在不同条件下训练（包含/不包含测试集习语）的模型，并在一系列广泛的（全局和针对性）度量标准和测试集上进行。我们探索了单语预训练的作用，发现即使没有观察到测试集习语的任何翻译示例，它也能带来显著的针对性改进。在我们的分析中，我们探究了习语上下文的作用。我们发现，随机初始化的模型更具局部性或“短视性”，因为它们相对不受习语上下文变化的影响，而预训练模型则不然。
引用
@article{arxiv.2210.04545,
title = {Automatic Evaluation and Analysis of Idioms in Neural Machine Translation},
author = {Christos Baziotis and Prashant Mathur and Eva Hasler},
journal= {arXiv preprint arXiv:2210.04545},
year = {2022}
}