面向神经机器翻译的领域自适应推理
计算与语言
2019-06-04 v1
摘要
我们研究了神经机器翻译的自适应集成加权，旨在解决在不牺牲原领域性能的前提下提升在新且可能未知领域上性能的问题。我们跨两个西班牙-英语和三个英语-德语任务顺序适配，比较了无正则微调、L2 与弹性权重巩固（Elastic Weight Consolidation）。随后我们报告了一种通过用源信息扩展贝叶斯插值实现自适应 NMT 集成解码的新方案，并展示了在各测试领域无需领域标签即可获得的显著改进。
引用
@article{arxiv.1906.00408,
title = {Domain Adaptive Inference for Neural Machine Translation},
author = {Danielle Saunders and Felix Stahlberg and Adria de Gispert and Bill Byrne},
journal= {arXiv preprint arXiv:1906.00408},
year = {2019}
}
备注
To appear at ACL 2019