深入探究上下文感知神经机器翻译
计算与语言
2020-10-20 v1 人工智能
摘要
上下文感知神经机器翻译（NMT）是通过利用额外上下文（例如文档级翻译或拥有元信息）来提升翻译质量的一个有前景的方向。尽管存在各种架构和分析，不同上下文感知 NMT 模型的有效性尚未得到充分探索。本文在四个不同领域上分析了文档级 NMT 模型在 varied 数量的并行文档级双语数据下的表现。我们进行了一套全面的实验来研究文档级 NMT 的影响。我们发现文档级 NMT 不存在单一最佳方法，而是不同架构在不同任务上表现最优。着眼于特定任务问题，如代词消解或标题翻译，我们发现上下文感知系统有所改进，即使在语料库级指标如 BLEU 未显示显著提升的情况下。我们还展示了文档级反向翻译显著有助于弥补文档级双语文本的缺乏。
引用
@article{arxiv.2010.09482,
title = {Diving Deep into Context-Aware Neural Machine Translation},
author = {Jingjing Huo and Christian Herold and Yingbo Gao and Leonard Dahlmann and Shahram Khadivi and Hermann Ney},
journal= {arXiv preprint arXiv:2010.09482},
year = {2020}
}
备注
Accepted at 5th Conference on Machine Translation (WMT20)