机器翻译对自然无语义变化的鲁棒性
计算与语言
2022-11-11 v2
摘要
当前的机器翻译（MT）模型在面对更具挑战性的输入时仍存在困难，例如噪声数据以及长尾词与短语。若干工作已通过识别特定噪声与变化类别并据此调优模型来提升其表现，以应对该鲁棒性问题。一个重要但研究不足的类型涉及细微的语义差别（非错字）且在目标语言中保持含义不变。我们引入并将此类别形式化为自然无语义变化（NAV），并在机器翻译鲁棒性背景下对其展开研究。我们发现现有 MT 模型在面临 NAV 数据时表现失败，但展示了通过使用人工生成的变体进行微调来提升 NAV 性能的策略。我们还表明 NAV 鲁棒性可跨语言迁移，并发现合成扰动能获得有机 NAV 数据部分而非全部的好处。
引用
@article{arxiv.2205.12514,
title = {Machine Translation Robustness to Natural Asemantic Variation},
author = {Jacob Bremerman and Xiang Ren and Jonathan May},
journal= {arXiv preprint arXiv:2205.12514},
year = {2022}
}
备注
Accepted to EMNLP 2022