神经机器翻译系统多语言训练的调度策略学习
计算与语言
2021-03-15 v1
摘要
低资源多语言神经机器翻译（MNMT）通常的任务是借助高资源语言对来提升一个或多个语言对的翻译性能。本文提出两种简单的基于搜索的课程——即多语言训练数据的排序——它们与微调等现有技术结合时可帮助提升翻译性能。此外，我们借助上下文多臂老虎机，尝试在翻译系统训练的同时从零开始学习一个用于 MNMT 的课程。我们在 FLORES 低资源翻译数据集上表明，这些学习到的课程能为微调提供更好的起点，并提升翻译系统的整体性能。
引用
@article{arxiv.2103.06964,
title = {Learning Policies for Multilingual Training of Neural Machine Translation Systems},
author = {Gaurav Kumar and Philipp Koehn and Sanjeev Khudanpur},
journal= {arXiv preprint arXiv:2103.06964},
year = {2021}
}
备注
7 pages, 2 figures