论神经机器翻译中跨文字模型迁移的罗马化方法
计算与语言
2020-10-01 v1
摘要
迁移学习是提升低资源机器翻译质量的常用策略。为实现嵌入层的最优迁移，子模型与父模型应共享词汇表的绝大部分。当迁移到使用不同文字的语言时则并非如此。我们探讨了此情形下罗马化的益处。结果表明，罗马化会带来信息损失，因此并非总是优于更简单的词汇表迁移方法，但可改善具有不同文字的相关语言之间的迁移。我们比较了两种罗马化工具，发现它们表现出不同程度的信息损失，从而影响翻译质量。最后，我们将罗马化扩展到目标端，表明当与简单的去罗马化模型结合时，这是一种成功的策略。
引用
@article{arxiv.2009.14824,
title = {On Romanization for Model Transfer Between Scripts in Neural Machine Translation},
author = {Chantal Amrhein and Rico Sennrich},
journal= {arXiv preprint arXiv:2009.14824},
year = {2020}
}
备注
accepted at Findings of EMNLP 2020