通过神经后缀预测改进英俄机器翻译
计算与语言
2018-01-12 v1
摘要
神经机器翻译（NMT）在有限词表无法充分覆盖源语言或目标语言时存在性能不足的问题，这在处理形态丰富的语言时经常发生。为解决该问题，以往工作侧重于调整翻译粒度或扩大词表规模。然而，NMT架构中形态信息相对未被充分考虑，而这可能进一步提升翻译质量。我们提出一种新颖方法，不仅能减少数据稀疏性，还可通过简单而有效的机制对形态建模。通过在解码时分别预测词干和后缀，我们的系统相比以往英俄翻译工作取得了最高1.98 BLEU的提升。我们的方法与不同NMT架构正交，并在多个领域稳定获得改进。
引用
@article{arxiv.1801.03615,
title = {Improved English to Russian Translation by Neural Suffix Prediction},
author = {Kai Song and Yue Zhang and Min Zhang and Weihua Luo},
journal= {arXiv preprint arXiv:1801.03615},
year = {2018}
}
备注
8 pages, 3 figures, 5 tables