利用黑盒上下文注入填补神经机器翻译中的性与数空缺
计算与语言
2019-03-11 v1
摘要
当从一种在形态上不标记性别、数等信息的语言翻译到一种标记此类信息的语言时，翻译系统必须“猜测”缺失信息，常导致在特定上下文中出现错误翻译。我们提出一种黑盒方法，将缺失信息注入到预训练的神经机器翻译系统中，从而在不改变底层模型或训练数据的情况下控制生成翻译中的形态变化。我们在英译希伯来语任务上评估了该方法，表明其在注入性别与数信息方面有效，且提供正确信息可将最先进的在线黑盒系统在女性说话人测试集上的翻译准确率最高提升 2.3 BLEU。最后，我们对生成翻译进行了细粒度句法分析，展示了方法的有效性。
引用
@article{arxiv.1903.03467,
title = {Filling Gender & Number Gaps in Neural Machine Translation with Black-box Context Injection},
author = {Amit Moryossef and Roee Aharoni and Yoav Goldberg},
journal= {arXiv preprint arXiv:1903.03467},
year = {2019}
}
备注
6 pages