通过控制源句与模糊匹配交互改进检索增强神经机器翻译
计算与语言
2022-10-12 v1
摘要
我们探索了零样本适应，即通用领域模型在推理时能够访问特定客户或领域的平行数据，但在训练期间无法访问。我们基于检索增强翻译（RAT）的思想，即为源句子找到前 k 个领域内模糊匹配，并在推理时将这些模糊匹配句子的目标语言翻译提供给翻译模型。我们提出了一种新颖的架构来控制源句子和前 k 个模糊目标语言匹配之间的交互，并将其与先前工作中的架构进行了比较。我们在两个语言对（En-De 和 En-Fr）上进行了实验，使用 WMT 数据训练模型，并分别在五个和七个多领域数据集上进行测试。我们的方法始终优于其他替代架构，在不同语言对、领域和模糊匹配数 k 的情况下均提高了 BLEU 值。
引用
@article{arxiv.2210.05047,
title = {Improving Retrieval Augmented Neural Machine Translation by Controlling Source and Fuzzy-Match Interactions},
author = {Cuong Hoang and Devendra Sachan and Prashant Mathur and Brian Thompson and Marcello Federico},
journal= {arXiv preprint arXiv:2210.05047},
year = {2022}
}