理解词级语言标注在资源匮乏神经机器翻译中的效果

本文研究了词级语言标注在资源匮乏的神经机器翻译中的效果，目前文献中对此尚无完整证据。该研究涵盖了八种语言对、不同的训练语料库大小、两种架构以及三种标注类型：虚拟标签（完全不含语言信息）、词性标签以及由词性和形态特征组成的形态句法描述标签。这些语言标注以单个标签的形式插入在输入或输出流中，置于每个词之前。为了衡量每种场景下的性能，我们使用自动评估指标并进行自动错误分类。实验表明，总体而言，源语言标注是有帮助的，并且对于某些语言对，形态句法描述优于词性标注。相反，当目标语言中的词被标注时，根据自动评估指标，词性标签系统性地优于形态句法描述标签，尽管使用形态句法描述标签能提高输出的语法性。我们对这一结果背后的原因进行了详细分析。