勿远行：神经诗歌翻译的实证研究
计算与语言
2021-09-13 v2
摘要
尽管机器翻译质量不断提升，但由于缺乏开源的平行诗歌语料库，以及保留诗歌语义、风格和比喻性质的内在复杂性，自动诗歌翻译仍是一个具有挑战性的问题。我们沿多个维度对诗歌翻译进行了实证研究：1) 训练数据的规模与风格(诗歌与非诗歌)，包括零样本设置；2) 双语与多语学习；3) 语系特定模型与混合多语模型。为此，我们贡献了一个涵盖多种语言对的诗歌翻译平行数据集。我们的结果表明，在诗歌文本上的多语微调显著优于规模大 35 倍的非诗歌文本上的多语微调，无论是在自动指标(BLEU、BERTScore)还是人工评价指标(如忠实度：意义与诗歌风格)上。此外，在诗歌数据上的多语微调优于在诗歌数据上的双语微调。
引用
@article{arxiv.2109.02972,
title = {Don't Go Far Off: An Empirical Study on Neural Poetry Translation},
author = {Tuhin Chakrabarty and Arkadiy Saakyan and Smaranda Muresan},
journal= {arXiv preprint arXiv:2109.02972},
year = {2021}
}
备注
EMNLP 2021 Camera ready