基于不确定性的置信度估计改进回译
计算与语言
2019-09-04 v1
摘要
尽管回译简单有效，能利用丰富的单语语料提升低资源神经机器翻译（NMT），但由基于有限真实双语数据训练的 NMT 模型所生成的合成双语语料不可避免地含有噪声。本工作中，我们提出基于模型不确定性来量化 NMT 模型预测的置信度。借助基于不确定性的词级与句级置信度度量，回译能够更好地应对合成双语语料中的噪声。在汉英与英德翻译任务上的实验表明，基于不确定性的置信度估计显著提升了回译的性能。
引用
@article{arxiv.1909.00157,
title = {Improving Back-Translation with Uncertainty-based Confidence Estimation},
author = {Shuo Wang and Yang Liu and Chao Wang and Huanbo Luan and Maosong Sun},
journal= {arXiv preprint arXiv:1909.00157},
year = {2019}
}
备注
EMNLP 2019