基于自注意力的端到端印地语-英语神经机器翻译
计算与语言
2019-09-24 v1
摘要
机器翻译(Machine Translation, MT)是自然语言处理中的一个重点研究领域,其致力于由计算机将人类语言从一种自动翻译为另一种。机器翻译拥有跨越约三十年的丰富研究历史,是计算语言学领域中最受追捧的研究方向之一。作为本硕士论文的一部分,核心工作研究了基于深度学习的方法,这些方法近年来取得了显著进展,并成为机器翻译中的事实标准方法。我们旨在指出神经翻译模型领域的最新进展、神经机器翻译(NMT)已取代传统统计机器翻译(SMT)模型的各个方向,并提及该领域的未来途径。据此,我们提出了一种用于神经机器翻译的端到端自注意力Transformer网络,在印地语-英语平行语料库上训练,并基于BLEU将模型效率与其他最先进模型(如编码器-解码器以及基于注意力的编码器-解码器神经模型)进行比较。本文以这三种所提模型的对比分析作结。
引用
@article{arxiv.1909.09779,
title = {Self-attention based end-to-end Hindi-English Neural Machine Translation},
author = {Siddhant Srivastava and Ritu Tiwari},
journal= {arXiv preprint arXiv:1909.09779},
year = {2019}
}