利用质性丰富FrameNet进行神经机器翻译中的领域自适应
计算与语言
2022-02-22 v1
摘要
本文提出Scylla，一种用于神经机器翻译(NMT)系统领域自适应的方法，其利用富含qualia关系的多语言FrameNet作为外部知识库。NMT中常用的领域自适应技术需要微调与领域内训练数据，这对从事资源较少语言的工作者可能造成困难，并可能导致NMT系统对域外句子的性能下降。Scylla无需微调NMT模型，从而避免了模型过拟合及随之而来的域外翻译性能降低的风险。我们提出两个版本的Scylla：一者以源句为输入，另一者以目标句为输入。在一个将50句体育领域句子从巴西葡萄牙语译为英语的实验中，我们将Scylla与最先进的商用NMT系统比较。两个版本的Scylla在HTER上均显著优于基线商用系统。
引用
@article{arxiv.2202.10287,
title = {Domain Adaptation in Neural Machine Translation using a Qualia-Enriched FrameNet},
author = {Alexandre Diniz Costa and Mateus Coutinho Marim and Ely Edison da Silva Matos and Tiago Timponi Torrent},
journal= {arXiv preprint arXiv:2202.10287},
year = {2022}
}
备注
Paper submitted to LREC 2022