用于翻译质量估计的上下文编码
计算与语言
2018-09-05 v1
摘要
词级质量估计（QE）任务包括输入一个源句子和机器生成的翻译，并预测输出中哪些词是正确的、哪些是错误的。在本文中，提出一种方法，使用三部分神经网络方法为每个目标词有效编码局部与全局上下文信息。第一部分使用嵌入层来表示两种语言中的词及其词性标注。第二部分利用一维卷积层来整合每个目标词的局部上下文信息。第三部分在做出预测之前，应用一组前馈与循环神经网络来进一步编码句子中的全局上下文。该模型作为 CMU 的参赛作品提交至 WMT2018 的 QE 共享任务，并取得了强劲结果，在六个赛道中的三个里排名第一。
引用
@article{arxiv.1809.00129,
title = {Contextual Encoding for Translation Quality Estimation},
author = {Junjie Hu and Wei-Cheng Chang and Yuexin Wu and Graham Neubig},
journal= {arXiv preprint arXiv:1809.00129},
year = {2018}
}
备注
6 pages, 2018 Third Conference on Machine Translation (WMT18)