利用领域不变与特定信息改进领域自适应翻译
计算与语言
2019-09-24 v2
摘要
在神经机器翻译的领域自适应中，将特征分离为领域特定特征和通用特征可令翻译性能受益。在本文中，我们提出一种方法，在编码器-解码器框架中显式建模这两类信息，以在领域内训练中利用域外数据。在我们的方法中，我们为每个领域维护一个私有编码器和一个私有解码器，用于建模领域特定信息。同时，我们引入一个由所有领域共享的通用编码器和一个通用解码器，其仅允许领域独立的信息流通过。此外，我们在共享编码器上添加一个判别器，并对整个模型采用对抗训练，以同时强化信息分离和机器翻译的性能。实验结果表明，我们的方法在多个数据集上大幅优于有竞争力的基线。
引用
@article{arxiv.1904.03879,
title = {Improving Domain Adaptation Translation with Domain Invariant and Specific Information},
author = {Shuhao Gu and Yang Feng and Qun Liu},
journal= {arXiv preprint arXiv:1904.03879},
year = {2019}
}
备注
11 pages, accepted by NAACL 2019