文本风格迁移回译
计算与语言
2023-06-05 v1 机器学习
摘要
回译（BT）广泛应用于机器翻译领域，已被证明能有效提升翻译质量。然而，BT 主要改善与相似风格（更具体地，类翻译输入）共享的输入之翻译，因为 BT 数据的源端是机器翻译的。对于自然输入，BT 仅带来微小提升，有时甚至产生负面效果。为解决此问题，我们提出文本风格迁移回译（TST BT），其使用风格迁移模型修改 BT 数据的源端。通过使源端文本风格更自然，我们旨在改善自然输入的翻译。我们在包括高资源与低资源在内的多种语言对上的实验表明，TST BT 相较主流 BT 基准显著提升翻译性能。此外，TST BT 被证明在领域自适应中有效，因此该策略可视为一种通用数据增强方法。我们的训练代码与文本风格迁移模型已开源。
引用
@article{arxiv.2306.01318,
title = {Text Style Transfer Back-Translation},
author = {Daimeng Wei and Zhanglin Wu and Hengchao Shang and Zongyao Li and Minghan Wang and Jiaxin Guo and Xiaoyu Chen and Zhengzhe Yu and Hao Yang},
journal= {arXiv preprint arXiv:2306.01318},
year = {2023}
}
备注
acl2023, 14 pages, 4 figures, 19 tables