消歧的词汇约束神经机器翻译
计算与语言
2023-05-30 v1
摘要
词汇约束神经机器翻译（LCNMT）通过预指定约束控制翻译生成，在许多实际应用中十分重要。当前 LCNMT 方法通常假设预指定词汇约束在上下文中恰当。该假设限制了其在真实场景中的应用，其中源语言词汇可能有多个目标约束，需消歧以选择最合适者。本文中，我们提出消歧的 LCNMT（D-LCNMT）以解决该问题。D-LCNMT 是一个鲁棒且有效的两阶段框架，先基于上下文对约束消歧，再将消歧后约束整合进 LCNMT。实验结果表明，我们的方法在基准数据集上优于包括现有基于数据增强方法在内的强基线，且在源词汇对应多个目标约束场景中的综合实验证明了我们方法的约束消歧优势。
引用
@article{arxiv.2305.17351,
title = {Disambiguated Lexically Constrained Neural Machine Translation},
author = {Jinpeng Zhang and Nini Xiao and Ke Wang and Chuanqi Dong and Xiangyu Duan and Yuqi Zhang and Min Zhang},
journal= {arXiv preprint arXiv:2305.17351},
year = {2023}
}
备注
Accepted at ACL 2023 as a long paper (Findings), 12 pages, 3 figures