一模型两学：零代词预测与翻译
计算与语言
2019-09-04 v1
摘要
零代词（ZP）在代词脱落语言中经常被省略，但在非代词脱落语言中应当被补出。这一语篇现象在将文本从代词脱落语言翻译到非代词脱落语言时，给机器翻译（MT）带来了显著挑战。在本文中，我们提出一种用于神经 MT 模型的统一且语篇感知的 ZP 翻译方法。具体而言，我们以端到端方式联合学习预测和翻译 ZP，使两个组件能够相互交互。此外，我们采用层次神经网络来利用语篇级上下文，这有利于 ZP 预测从而有利于翻译。在汉英和日英数据上的实验结果表明，与基线以及使用外部 ZP 预测模型的先前工作相比，我们的方法显著且累积地提升了翻译性能和 ZP 预测准确率。大量分析证实，性能提升来自对不同类型错误的缓解，尤其是那些由主观 ZP 引起的错误。
引用
@article{arxiv.1909.00369,
title = {One Model to Learn Both: Zero Pronoun Prediction and Translation},
author = {Longyue Wang and Zhaopeng Tu and Xing Wang and Shuming Shi},
journal= {arXiv preprint arXiv:1909.00369},
year = {2019}
}
备注
EMNLP 2019