基于指针的双语词典融入神经机器翻译方法
计算与语言
2019-09-18 v1
摘要
神经机器翻译（NMT）系统需要大量高质量领域内平行语料进行训练。最先进的 NMT 系统仍面临未登录词以及低资源语言对处理方面的挑战。本文中，我们提出并比较了几种将双语词典与端到端训练的序列到序列机器翻译模型相融合的模型。其结果是得到一个具有两个解码器信息来源的融合模型：一个神经条件语言模型和一个双语词典。该融合模型学习如何组合这两种信息来源以产生更高质量的翻译输出。我们的实验表明，所提模型在相对低资源场景下表现良好，并且能在不牺牲性能的前提下有效缩减 NMT 的参数规模与训练成本。
引用
@article{arxiv.1909.07907,
title = {Pointer-based Fusion of Bilingual Lexicons into Neural Machine Translation},
author = {Jetic Gū and Hassan S. Shavarani and Anoop Sarkar},
journal= {arXiv preprint arXiv:1909.07907},
year = {2019}
}