基于动态图卷积解码器的神经机器翻译
计算与语言
2023-05-30 v1
摘要
已有的经验表明句法知识对于改进神经机器翻译模型具有重要意义。然而，以往大多数工作仅关注在著名的编码器-解码器框架中利用源端句法。与此形成鲜明对比，本文提出了一种从（图与序列）结构输入到（图与序列）输出的端到端翻译架构，其中目标译文及其对应的句法图被联合建模与生成。我们提出了一种定制的动态时空图卷积解码器（Dyn-STGCD），其设计用于消费源端特征表示及其句法图，并自回归地同时生成目标句法图与词符。我们在五个广泛认可的翻译基准上进行了大量实验，验证了我们的方案相比基线及其他句法感知变体取得了持续的提升。
引用
@article{arxiv.2305.17698,
title = {Neural Machine Translation with Dynamic Graph Convolutional Decoder},
author = {Lei Li and Kai Fan and Lingyu Yang and Hongjia Li and Chun Yuan},
journal= {arXiv preprint arXiv:2305.17698},
year = {2023}
}