基于迭代前向翻译的印尼语非正式到正式语言半监督低资源风格迁移
计算与语言
2020-12-23 v2
摘要
在日常使用中，印尼语充满了非正式现象，即在词汇、拼写和词序方面偏离标准。另一方面，当前可用的印尼语 NLP 模型通常是针对标准印尼语开发的。在这项工作中，我们将非正式到正式印尼语的风格迁移视为一个低资源机器翻译问题。我们构建了一个由非正式印尼语及其正式对应句组成的平行句新数据集。我们对多种从非正式到正式印尼语进行风格迁移的策略进行了基准测试。我们还探索用人工前向翻译的数据扩充训练集。由于我们所面对的是极低资源环境，我们发现基于短语的机器翻译方法优于基于 Transformer 的方法。或者，针对该任务微调的预训练 GPT-2 表现同样良好，但消耗更多计算资源。我们的发现展示了利用机器翻译模型进行风格迁移的有希望的一步。我们的代码和数据可在 https://github.com/haryoa/stif-indonesia 获取。
引用
@article{arxiv.2011.03286,
title = {Semi-Supervised Low-Resource Style Transfer of Indonesian Informal to Formal Language with Iterative Forward-Translation},
author = {Haryo Akbarianto Wibowo and Tatag Aziz Prawiro and Muhammad Ihsan and Alham Fikri Aji and Radityo Eko Prasojo and Rahmad Mahendra and Suci Fitriany},
journal= {arXiv preprint arXiv:2011.03286},
year = {2020}
}
备注
6 pages, Camera ready to be presented at IALP 2020