利用合成噪声提升机器翻译的鲁棒性
计算与语言
2019-04-12 v2 机器学习
摘要
现代机器翻译（MT）系统在干净、领域内的文本上表现一致良好。然而，大多数人类生成的文本，特别是在社交媒体领域，充满了拼写错误、俚语、方言、个人习语和其他噪声，这些噪声可能对输出翻译的准确性产生灾难性影响。在本文中，我们利用噪声文本机器翻译（MTNT）数据集，通过模拟干净数据中自然出现的噪声来增强MT系统的鲁棒性。通过这种方式合成噪声，我们最终能够使一个普通的MT系统对自然出现的噪声具有弹性，并部分减轻由此产生的准确性损失。
引用
@article{arxiv.1902.09508,
title = {Improving Robustness of Machine Translation with Synthetic Noise},
author = {Vaibhav Vaibhav and Sumeet Singh and Craig Stewart and Graham Neubig},
journal= {arXiv preprint arXiv:1902.09508},
year = {2019}
}
备注
Accepted at NAACL 2019