基于 Transformer 的上下文感知编码多源输入自动后期编辑方法
计算与语言
2019-08-19 v1 机器学习
摘要
近期自动后期编辑（APE）研究的方法表明，多源模型能取得更好的结果，这类模型联合编码源句（src）与机器翻译输出（mt）以生成后期编辑句（pe）。顺应这一趋势，我们提出了一种基于 Transformer 的新多源 APE 模型。为构建有效的联合表示，我们的模型在内部学习将 src 上下文融入 mt 表示。通过该方法，我们相比基线系统以及最先进的多源 APE 模型均取得了显著提升。此外，为展示我们的模型融入 src 上下文的能力，我们表明未知 MT 系统的词对齐成功地被捕获于我们的编码结果中。
引用
@article{arxiv.1908.05679,
title = {Transformer-based Automatic Post-Editing with a Context-Aware Encoding Approach for Multi-Source Inputs},
author = {WonKee Lee and Junsu Park and Byung-Hyun Go and Jong-Hyeok Lee},
journal= {arXiv preprint arXiv:1908.05679},
year = {2019}
}
备注
6 pages, 3 figures