神经机器翻译中目标端词形变化的建模
计算与语言
2017-09-06 v2
摘要
NMT系统面临大词汇量问题。字节对编码（BPE）是解决此问题的流行方法，但尽管BPE允许系统生成任意目标端词，它并不能在具有强屈折现象的形态丰富语言上对丰富词汇实现有效泛化。我们引入一种简单方法克服该问题：训练系统产生词的词元及其形态丰富的词性（POS）标签，随后接一个确定性生成步骤。我们将此策略应用于英语-捷克语和英语-德语翻译场景，在两种设置下均获得改进。我们进一步表明，该改进并非仅由于添加了显式形态信息。
引用
@article{arxiv.1707.06012,
title = {Modeling Target-Side Inflection in Neural Machine Translation},
author = {Aleš Tamchyna and Marion Weller-Di Marco and Alexander Fraser},
journal= {arXiv preprint arXiv:1707.06012},
year = {2017}
}
备注
Accepted as a research paper at WMT17. (Updated version with corrected references.)