用于罗马乌尔都语到乌尔都语音译的序列到序列网络
计算与语言
2017-12-11 v1
摘要
神经机器翻译模型已取代传统的基于短语的统计翻译方法，因为前者采取通用的、可扩展的、数据驱动的方法，而非依赖人工手工特征。神经机器翻译系统基于一个由两部分组成的神经网络，一部分负责输入语言句子，另一部分处理所需输出语言句子。这种基于编码器-解码器架构的模型还将源语言的分布式表示作为输入，从而丰富了学到的依赖关系并为网络提供热身起点。本工作中，我们将罗马乌尔都语到乌尔都语音译转化为序列到序列学习问题。为此，我们做出如下贡献：创建了首个罗马乌尔都语到乌尔都语平行语料库，创建了首个罗马乌尔都语分布式表示，并提出了首个将文本从罗马乌尔都语音译为乌尔都语的神经机器翻译模型。我们的模型以 BLEU 作为评价指标取得了当前最优结果。确切地说，我们的模型能够正确预测长度达 10 的句子，同时在测试集上取得 48.6 的 BLEU 分数。我们希望我们的模型与结果可作为利用分布式表示进行罗马乌尔都语到乌尔都语神经机器翻译领域进一步工作的基线。
引用
@article{arxiv.1712.02959,
title = {Sequence to Sequence Networks for Roman-Urdu to Urdu Transliteration},
author = {Mehreen Alam and Sibt ul Hussain},
journal= {arXiv preprint arXiv:1712.02959},
year = {2017}
}
备注
20th International Multitopic Conference (INMIC 17)