更简洁更快速的同步翻译自适应策略学习
计算与语言
2019-09-13 v2
摘要
同步翻译应用广泛但仍具挑战性。先前工作分为两类：(a) 如 Ma 等 (2019) 的固定延迟策略，与 (b) 如 Gu 等 (2017) 的自适应策略。前者简单有效，但因源-目标词序分歧不得不激进地预测未来内容；后者不做预测，但受训不稳定且低效。为结合两类方法优点，我们提出一种简单的监督学习框架，从平行文本生成的 oracle READ/WRITE 序列中学习自适应策略。每一步，该 oracle 序列若可用源句上下文提供足够信息则选择 WRITE 下一目标词，否则 READ 下一源词。德语<->英语实验表明，我们的方法无需重训底层 NMT 模型，即可学习到灵活策略，相较先前工作取得更优 BLEU 分数与相似延迟。
引用
@article{arxiv.1909.01559,
title = {Simpler and Faster Learning of Adaptive Policies for Simultaneous Translation},
author = {Baigong Zheng and Renjie Zheng and Mingbo Ma and Liang Huang},
journal= {arXiv preprint arXiv:1909.01559},
year = {2019}
}
备注
EMNLP 2019