通过微调 Transformer 模型实现同步改写与翻译
计算与语言
2020-05-13 v1 机器学习
摘要
本文描述了在 ACL 2020 第四届神经生成与翻译研讨会(WNGT)面向语言教育的同步翻译与改写共享任务中获得第三名的提交方案。最终系统利用了预训练的翻译模型，并采用 Transformer 架构结合过采样策略以取得有竞争力的性能。该系统在匈牙利语(加权宏 F1 分数绝对提升 27%)和葡萄牙语(绝对提升 33%)上显著优于基线。
引用
@article{arxiv.2005.05570,
title = {Simultaneous paraphrasing and translation by fine-tuning Transformer models},
author = {Rakesh Chada},
journal= {arXiv preprint arXiv:2005.05570},
year = {2020}
}
备注
Accepted to ACL 2020 4th workshop on Neural Generation and Translation