用于神经机器翻译的双向过去与未来
计算与语言
2020-07-20 v2
摘要
尽管近年来神经机器翻译（NMT）取得了显著成功，仍受困于翻译不充分问题。先前研究表明，显式建模源句的过去与未来内容有益于翻译性能。然而，常用的启发式目标是否足以引导过去与未来尚不清楚。本文提出一种新颖的双重框架，利用源到目标与目标到源NMT模型，为过去与未来模块提供更直接准确的监督信号。实验结果表明，我们所提方法显著改善了NMT预测的充分性，并在两个被广泛研究的翻译任务上超越先前方法。
引用
@article{arxiv.2007.07728,
title = {Dual Past and Future for Neural Machine Translation},
author = {Jianhao Yan and Fandong Meng and Jie Zhou},
journal= {arXiv preprint arXiv:2007.07728},
year = {2020}
}