迈向用户驱动的神经机器翻译
计算与语言
2021-06-14 v1
摘要
好的翻译不仅应在语义上翻译原文内容，还应体现原文的个人特征。对于真实的神经机器翻译（NMT）系统，这些用户特征（如主题偏好、文体特征和表达习惯）可保留在用户行为（如历史输入）中。然而，当前的 NMT 系统很少考虑用户行为，原因在于：1）在零样本场景下建模用户画像的困难，以及 2）缺乏标注用户行为的平行数据集。为填补这一空白，我们引入了一种称为用户驱动 NMT 的新框架。具体而言，提出了一种基于缓存的模块和一种用户驱动的对比学习方法，以零样本学习方式为 NMT 提供从其历史输入中捕捉潜在用户特征的能力。此外，我们贡献了首个标注用户行为的中英平行语料库，称为 UDT-Corpus。实验结果证实，所提出的用户驱动 NMT 能够生成用户特定的翻译。
引用
@article{arxiv.2106.06200,
title = {Towards User-Driven Neural Machine Translation},
author = {Huan Lin and Liang Yao and Baosong Yang and Dayiheng Liu and Haibo Zhang and Weihua Luo and Degen Huang and Jinsong Su},
journal= {arXiv preprint arXiv:2106.06200},
year = {2021}
}