PAEG：面向神经机器翻译的短语级对抗样本生成
计算与语言
2022-10-25 v2
摘要
尽管端到端神经机器翻译（NMT）已取得令人瞩目的进展，噪声输入常导致模型变得脆弱且不稳定。生成对抗样本作为增强数据已被证明有助于缓解该问题。现有的对抗样本生成（AEG）方法多为词级或字符级，忽略了普遍存在的短语结构。本文提出一种短语级对抗样本生成（PAEG）框架，以增强翻译模型的鲁棒性。我们的方法通过采用短语级替换策略进一步改进了基于梯度的词级AEG方法。我们在三个基准上验证了方法，包括LDC中英、IWSLT14德英和WMT14英德任务。实验结果表明，与以往强基线相比，我们的方法显著提升了翻译性能及对噪声的鲁棒性。
引用
@article{arxiv.2201.02009,
title = {PAEG: Phrase-level Adversarial Example Generation for Neural Machine Translation},
author = {Juncheng Wan and Jian Yang and Shuming Ma and Dongdong Zhang and Weinan Zhang and Yong Yu and Zhoujun Li},
journal= {arXiv preprint arXiv:2201.02009},
year = {2022}
}
备注
13 pages