面向形态丰富语言翻译的字符感知解码器
计算与语言
2019-06-20 v5
摘要
神经机器翻译(NMT)系统主要在词（或子词）层面运作，忽略形态学的底层模式。我们提出一种字符感知解码器，旨在翻译为形态丰富语言时捕捉此类模式。我们通过将基于注意力的编码器-解码器模型的softmax层与嵌入层均扩充以作用于词拼写的卷积神经网络，来实现字符感知。为考察在广泛形态现象上的性能，我们使用TED多目标数据集将英语译为14种类型多样的目标语言。在这一低资源设定下，字符感知解码器带来一致改进，BLEU分数提升最高达。此外，我们分析了所获增益与目标语言属性之间的关系，并发现证据表明我们的模型确实利用了形态模式。
引用
@article{arxiv.1809.02223,
title = {Character-Aware Decoder for Translation into Morphologically Rich Languages},
author = {Adithya Renduchintala and Pamela Shapiro and Kevin Duh and Philipp Koehn},
journal= {arXiv preprint arXiv:1809.02223},
year = {2019}
}
备注
9 pages (12 including Appendix), 5 figures, Accepted at MT Summit 2019