Secoco：面向神经机器翻译的自校正编码
计算与语言
2021-08-30 v1
摘要
本文提出自校正编码（Secoco），一种通过引入自校正预测器来有效处理输入噪声以实现鲁棒神经机器翻译的框架。与以往鲁棒方法不同，Secoco使NMT能够在翻译解码过程中同时显式校正含噪输入并删除特定错误。Secoco在两个真实世界测试集和一个基准WMT数据集上相较强基线取得显著提升，且具备良好的可解释性。我们将很快公开代码与数据集。
引用
@article{arxiv.2108.12137,
title = {Secoco: Self-Correcting Encoding for Neural Machine Translation},
author = {Tao Wang and Chengqi Zhao and Mingxuan Wang and Lei Li and Hang Li and Deyi Xiong},
journal= {arXiv preprint arXiv:2108.12137},
year = {2021}
}
备注
6 pages, 2 figures, 3 tables