语言标签对零样本神经机器翻译至关重要
计算与语言
2021-06-16 v1
摘要
多语言神经机器翻译（MNMT）因其高效性引起了广泛关注。MNMT 模型一个令人振奋的优势是它们也能在无人监督（零样本）语言方向之间进行翻译。语言标签（LT）策略常被用于指示 MNMT 中的翻译方向。在本文中，我们证明 LT 不仅是翻译方向的指示器，而且对零样本翻译质量至关重要。遗憾的是，以往工作往往忽视 LT 策略的重要性。我们证明恰当的语言标签策略能够增强语义表示的一致性，并缓解零样本方向上的离题（off-target）问题。实验结果表明，通过忽略源语言标签（SLT）并向编码器添加目标语言标签（TLT），在 IWSLT17、Europarl、TED talks 翻译任务中，零样本翻译相比其他 LT 策略可获得 +8 BLEU 分的差异。
引用
@article{arxiv.2106.07930,
title = {Language Tags Matter for Zero-Shot Neural Machine Translation},
author = {Liwei Wu and Shanbo Cheng and Mingxuan Wang and Lei Li},
journal= {arXiv preprint arXiv:2106.07930},
year = {2021}
}
备注
7 pages, 3 figures, Accepted by the Findings of ACL2021