当好译文在上下文中出错时：上下文感知机器翻译在指代、省略与词汇衔接上的改进

尽管长期以来人们已认识到缺乏句外上下文会导致机器翻译错误，但上下文感知 NMT 系统的开发受到若干问题的阻碍。首先，标准度量对文档级翻译一致性改进的敏感度不足。其次，先前关于上下文感知 NMT 的工作假设句对齐的平行数据由完整文档组成，而在大多数实际场景中，此类文档级数据仅占可用平行数据的一小部分。针对第一个问题，我们在一个英俄字幕数据集上进行了人工研究，并确定指代、省略和词汇衔接为不一致的三大主要来源。随后我们创建了针对这些现象的测试集。针对第二个不足，我们考虑这样一种设置：与文档级对齐的数据相比，有更大量的句子级数据可用。我们引入了一种适用于该场景的模型，并在我们的新基准上展示了相比上下文无关基线的主要提升，且不牺牲以 BLEU 衡量的性能。