用于神经机器翻译的参考网络
计算与语言
2019-08-28 v1
摘要
神经机器翻译（NMT）近年来取得了显著成功。此类框架通常孤立地生成译文。相比之下，人类译者经常参考参考数据，要么用源语言中的常用术语改写复杂的句子片段，要么直接查阅标准译文。本文中，我们提出一种参考网络，将参考过程融入 NMT 的翻译解码中。构建\emph{参考书}的一种直观方法是用额外记忆存储详细的翻译历史，但这计算代价高昂。作为替代，我们采用局部坐标编码（LCC）来获取包含单语和双语上下文信息的全局上下文向量，用于 NMT 解码。在中英和英德任务上的实验结果表明，我们所提模型能以轻量计算成本有效提升翻译质量。
引用
@article{arxiv.1908.09920,
title = {Reference Network for Neural Machine Translation},
author = {Han Fu and Chenghao Liu and Jianling Sun},
journal= {arXiv preprint arXiv:1908.09920},
year = {2019}
}
备注
11 pages, 3 figures, accepted by ACL-2019