面向稀有语言翻译的三角架构
计算与语言
2018-07-12 v2 人工智能
摘要
神经机器翻译（NMT）在低资源语言对 上表现不佳，尤其是当 为稀有语言时。通过引入另一种资源丰富的语言 ，我们提出了一种新颖的三角训练架构（TA-NMT），以利用双语数据 （可能很小）和 （可以很丰富）来提升低资源语言对的翻译性能。在该三角架构中， 被作为中间潜变量，并且在最大化 翻译似然的目标下，采用统一的双向 EM 算法联合优化 的翻译模型。实验结果表明，我们的方法在 MultiUN 和 IWSLT2012 数据集上显著提升了稀有语言的翻译质量，且结合反向翻译方法能取得更好的性能。
引用
@article{arxiv.1805.04813,
title = {Triangular Architecture for Rare Language Translation},
author = {Shuo Ren and Wenhu Chen and Shujie Liu and Mu Li and Ming Zhou and Shuai Ma},
journal= {arXiv preprint arXiv:1805.04813},
year = {2018}
}
备注
Accepted to ACL 2018, 10 pages, 5 figures, 5 tables (with 5-5-5-5 high score)