面向机器翻译的反事实学习：退化问题与解决方案
机器学习
2017-12-15 v3 计算与语言
机器学习
摘要
反事实学习是一种自然场景，可通过从用户交互期间记录的反馈中进行离线学习来改进基于网络的机器翻译服务。为避免向用户展示劣质翻译的风险，此类场景中大多采用无探索的确定性记录策略。我们分析了逆倾向评分估计量与重加权倾向评分估计量在随机与确定性设定下可能出现的退化问题，并将其与近期提出的确定性记录下反事实学习技术相联系。
引用
@article{arxiv.1711.08621,
title = {Counterfactual Learning for Machine Translation: Degeneracies and Solutions},
author = {Carolin Lawrence and Pratik Gajane and Stefan Riezler},
journal= {arXiv preprint arXiv:1711.08621},
year = {2017}
}
备注
Workshop "From 'What If?' To 'What Next?'" at the 31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA