从词到句：一种基于视觉枢轴的零资源机器翻译渐进学习方法
计算与语言
2019-06-04 v1 人工智能
计算机视觉与模式识别
摘要
神经机器翻译模型一直受限于大规模平行语料的缺乏。相比之下，我们人类即使没有平行文本，也能通过将语言参照外部世界来学习多语翻译。为模仿此类人类学习行为，我们采用图像作为枢轴以实现零资源翻译学习。然而，一图胜千言，这使得以同一图像为枢轴的多语句子作为互译文本时充满噪声，从而阻碍翻译模型的学习。在本工作中，我们提出一种用于图像枢轴零资源机器翻译的渐进学习方法。由于词在图像 grounding 时多样性较低，我们首先利用图像枢轴学习词级翻译，进而借助已学到的词翻译来抑制图像枢轴多语句子中的噪声，渐进地学习句级翻译。在两个广泛使用的图像枢轴翻译数据集 IAPR-TC12 和 Multi30k 上的实验结果表明，所提方法显著优于其他最先进的方法。
引用
@article{arxiv.1906.00872,
title = {From Words to Sentences: A Progressive Learning Approach for Zero-resource Machine Translation with Visual Pivots},
author = {Shizhe Chen and Qin Jin and Jianlong Fu},
journal= {arXiv preprint arXiv:1906.00872},
year = {2019}
}
备注
Accepted by IJCAI 2019