充分利用对话特征以提升神经聊天翻译
计算与语言
2021-09-03 v1
摘要
神经聊天翻译（NCT）旨在将不同语言说话者之间的对话文本进行翻译。尽管句子级和上下文感知的神经机器翻译模型表现良好，当前的 NCT 模型仍存在局限，因为聊天固有的对话特征（如对话连贯性与说话者个性）被忽视了。本文提出通过将对话特征建模引入 NCT 模型来促进聊天翻译。为此，我们设计了四个辅助任务，包括单语回复生成、跨语回复生成、下一话语判别和说话者识别。结合主聊天翻译任务，我们通过所有这些任务的训练目标来优化 NCT 模型。借此，NCT 模型可通过捕捉固有对话特征得到增强，从而生成更连贯且与说话者更相关的翻译。在四个语言方向（英-德与英-中）上的综合实验验证了所提方法的有效性与优越性。
引用
@article{arxiv.2109.00668,
title = {Towards Making the Most of Dialogue Characteristics for Neural Chat Translation},
author = {Yunlong Liang and Chulun Zhou and Fandong Meng and Jinan Xu and Yufeng Chen and Jinsong Su and Jie Zhou},
journal= {arXiv preprint arXiv:2109.00668},
year = {2021}
}
备注
Accepted as a long paper at EMNLP 2021 main conference. The first two authors contributed equally. Code: https://github.com/XL2248/CSA-NCT