基于质量估计的反馈训练以提高代词翻译质量
计算与语言
2025-01-07 v1 人工智能
摘要
代词翻译是神经机器翻译 (NMT) 中的一个长期存在的挑战，往往需要跨句境的上下文才能确保语言准确性。为此，我们提出 ProNMT，一个新型框架，旨在增强上下文感知机器翻译系统中代词及整体翻译质量。ProNMT 利用质量估计 (QE) 模型及独特的代词生成概率反馈机制，迭代微调预训练的 NMT 模型，而无需依赖大量人工标注。该框架将 QE 分数与代词特定奖励相结合，以指导训练，确保对语言细微差别的处理得到改进。大量实验表明，ProNMT 在代词翻译准确性和整体翻译质量方面均实现显著提升。ProNMT 提供了一种高效、可扩展且具上下文感知能力的方法，用于改进 NMT 系统，尤其适用于处理依赖上下文的元素如代词的翻译。
引用
@article{arxiv.2501.03008,
title = {Quality Estimation based Feedback Training for Improving Pronoun Translation},
author = {Harshit Dhankhar and Baban Gain and Asif Ekbal and Yogesh Mani Tripathi},
journal= {arXiv preprint arXiv:2501.03008},
year = {2025}
}