统计机器翻译中最小错误率训练的坐标系统选择
计算与语言
2014-05-13 v1
摘要
最小错误率训练（MERT）是统计机器翻译中广泛使用的训练过程。该方法的一个普遍问题是搜索空间容易收敛到局部最优，且获得的权重集与特征函数的真实分布不一致。本文将坐标系统选择（RSS）引入MERT的搜索算法中。与之前每个维度仅对应一个独立特征函数的方法不同，我们通过将其中一个维度移动到新方向来创建多个坐标系统。基本思想简单但关键：MERT的训练过程应基于由搜索方向形成的坐标系统，而不是直接基于特征函数。实验表明，通过使用调优集结果选择坐标系统，可以在不借助任何其他语言知识的情况下获得更好的结果。
引用
@article{arxiv.1405.2434,
title = {Coordinate System Selection for Minimum Error Rate Training in Statistical Machine Translation},
author = {Chen Lijiang},
journal= {arXiv preprint arXiv:1405.2434},
year = {2014}
}
备注
11 pages