利用语篇奖励进行文档级神经机器翻译
计算与语言
2020-10-21 v2
摘要
文档级机器翻译专注于将整篇文档从源语言翻译到目标语言。这被广泛认为是一项具有挑战性的任务，因为文档中各个句子的翻译需要在文档层面保持语篇的某些方面。然而，文档级翻译模型通常未被训练以显式保证语篇质量。因此，本文中我们提出一种训练方法，通过使用强化学习目标显式优化两个既有的语篇度量：词汇衔接（LC）与连贯性（COH）。在四个不同语言对和三个翻译领域上的实验表明，我们的训练方法能够比其他竞争性方法获得更具衔接性与连贯性的文档翻译，且不损害对参考译文的忠实度。在Zh-En语言对上，我们的方法相较亚军在LC上提升了2.46个百分点（pp），在COH上提升了1.17 pp，同时BLEU分数提升0.63 pp，F_BERT提升0.47 pp。
引用
@article{arxiv.2010.03732,
title = {Leveraging Discourse Rewards for Document-Level Neural Machine Translation},
author = {Inigo Jauregi Unanue and Nazanin Esmaili and Gholamreza Haffari and Massimo Piccardi},
journal= {arXiv preprint arXiv:2010.03732},
year = {2020}
}
备注
Accepted at COLING 2020