利用神经机器翻译学习实时翻译

实时翻译（又称同声传译）在输入句子结束之前输出翻译词，这对传统机器翻译方法是一个具有挑战性的问题。我们提出了一种用于同声传译的神经机器翻译（NMT）框架，其中智能体通过与预训练的 NMT 环境的交互来学习何时进行翻译决策。为了在质量和延迟之间进行权衡，我们广泛探索了各种延迟目标，并设计了一种适用于同声传译场景的束搜索方法。在两个语言对上与最先进基线的实验从定量和定性两方面证明了所提出框架的有效性。