对比词对齐何时改善多对多神经机器翻译？
计算与语言
2022-04-27 v1
摘要
词对齐已被证明有益于多对多神经机器翻译（NMT）。然而，先前方法使用高质量真实双语词典进行预处理编辑，而这类词典对大多数语言对并不可用。同时，对比目标可隐式利用自动学习的词对齐，这在多对多 NMT 中尚未被探索。本工作提出一个词级对比目标，以利用词对齐服务于多对多 NMT。实证结果显示，这为若干语言对带来了 0.8 BLEU 的提升。分析揭示，在多对多 NMT 中，编码器的句子检索性能与翻译质量高度相关，这解释了所提方法何时影响翻译。这激励未来为多对多 NMT 探索提升编码器句子检索性能。
引用
@article{arxiv.2204.12165,
title = {When do Contrastive Word Alignments Improve Many-to-many Neural Machine Translation?},
author = {Zhuoyuan Mao and Chenhui Chu and Raj Dabre and Haiyue Song and Zhen Wan and Sadao Kurohashi},
journal= {arXiv preprint arXiv:2204.12165},
year = {2022}
}
备注
NAACL 2022 findings