基于非自回归模型的同时神经机器翻译快速重翻译方法
计算与语言
2021-06-03 v2 人工智能
摘要
近年来，同时翻译引起了广泛关注，因为它支持诸如直播字幕翻译或实时视频通话翻译等引人注目的应用。其中一些翻译应用允许对部分翻译进行编辑，从而产生了重翻译方法。当前的重翻译方法基于自回归序列生成模型（ReTA），该模型按顺序生成（部分）翻译中的目标词元。ReTA模型中顺序生成的多次重翻译随着源输入的增长，导致传入源输入与相应目标输出之间的推理时间差增大。此外，由于涉及大量推理操作，ReTA模型不利于资源受限设备。在这项工作中，我们提出了一种基于非自回归序列生成模型（FReTNA）的更快重翻译系统，以克服上述局限。我们在多个翻译任务上评估所提模型，我们的模型将推理时间减少了数个数量级，并与ReTA和流式（Wait-k）模型相比取得了有竞争力的BLEU分数。所提模型与ReTA模型相比将平均计算时间减少了20倍，且仅带来翻译质量的小幅下降。它在计算时间（低1.5倍）和翻译质量方面也均优于基于流式的Wait-k模型。
引用
@article{arxiv.2012.14681,
title = {Faster Re-translation Using Non-Autoregressive Model For Simultaneous Neural Machine Translation},
author = {Hyojung Han and Sathish Indurthi and Mohd Abbas Zaidi and Nikhil Kumar Lakumarapu and Beomseok Lee and Sangha Kim and Chanwoo Kim and Inchul Hwang},
journal= {arXiv preprint arXiv:2012.14681},
year = {2021}
}