改善非自回归机器翻译的流畅度
计算与语言
2020-04-08 v1
摘要
与自回归(AR)模型相比，用于机器翻译(MT)的非自回归(nAR)模型展现出更优的解码速度，但代价是其输出流畅度受损。我们通过在使用连接主义时序分类(CTC)的nAR模型的集束搜索解码所用评分模型中引入额外特征，来改善其流畅度。由于我们的模型在集束搜索解码中只需单次前向传播运行网络，其解码速度仍显著高于标准AR模型。我们针对德语、捷克语和罗马尼亚语与英语互译的三个语言对训练了模型。结果表明，我们提出的模型在解码速度上更高效，且相对于AR模型仍能取得具竞争力的BLEU分数。
引用
@article{arxiv.2004.03227,
title = {Improving Fluency of Non-Autoregressive Machine Translation},
author = {Zdeněk Kasner and Jindřich Libovický and Jindřich Helcl},
journal= {arXiv preprint arXiv:2004.03227},
year = {2020}
}