数据驱动的自适应同声传译
计算与语言
2022-04-28 v1
摘要
在同声传译（SimulMT）中，wait-k 策略因其在平衡翻译质量与延迟方面的简洁性和有效性而成为最广泛使用的策略。然而，wait-k 存在两个主要局限：（a）它是一种固定策略，无法根据上下文自适应调整延迟；（b）其训练速度远慢于全句翻译。为缓解这些问题，我们提出了一种新颖高效的自适应 SimulMT 训练方案，通过使用自适应前缀到前缀对来增强训练语料，同时训练复杂度与训练全句翻译模型保持一致。在两个语言对上的实验表明，我们的方法在翻译质量和延迟方面均优于所有强基线。
引用
@article{arxiv.2204.12672,
title = {Data-Driven Adaptive Simultaneous Machine Translation},
author = {Guangxu Xun and Mingbo Ma and Yuchen Bian and Xingyu Cai and Jiaji Huang and Renjie Zheng and Junkun Chen and Jiahong Yuan and Kenneth Church and Liang Huang},
journal= {arXiv preprint arXiv:2204.12672},
year = {2022}
}