神经机器翻译中用于同声翻译的增量解码与训练方法
计算与语言
2018-06-12 v1
摘要
我们通过修改神经机器翻译（Neural MT）解码器，使其基于动态构建的编码器和注意力机制运行，来解决同声翻译问题。我们提出一种可调代理，针对用户定义的 BLEU 损失和平均比例（AP）约束决定最佳分段策略。我们的代理在更低延迟下，于 BLEU 上优于先前提出的 Wait-if-diff 和 Wait-if-worse 代理（Cho and Esipova, 2016）。其次，我们提出了数据驱动的神经机器翻译训练改动，以更好地匹配增量解码框架。
引用
@article{arxiv.1806.03661,
title = {Incremental Decoding and Training Methods for Simultaneous Translation in Neural Machine Translation},
author = {Fahim Dalvi and Nadir Durrani and Hassan Sajjad and Stephan Vogel},
journal= {arXiv preprint arXiv:1806.03661},
year = {2018}
}
备注
NAACL 2018