基于多智能体通信博弈的零资源神经机器翻译
计算与语言
2018-02-12 v1
摘要
尽管端到端神经机器翻译（NMT）在过去几年中对少数资源丰富的语言对取得了显著成功，但对于低资源语言对与领域，它仍受限于数据稀缺问题。为应对该问题，我们提出一种用于零资源神经机器翻译的交互式多模态框架。我们的学习器（实现为编码器-解码器架构）参与协作式图像描述博弈，而非被动暴露于大量平行语料，从而出于游戏成功所需沟通的需要，发展出自身的图像描述或神经机器翻译模型。在IAPR-TC12与Multi30K数据集上的实验结果表明，所提出的学习机制显著优于最先进（SOTA）方法。
引用
@article{arxiv.1802.03116,
title = {Zero-Resource Neural Machine Translation with Multi-Agent Communication Game},
author = {Yun Chen and Yang Liu and Victor O. K. Li},
journal= {arXiv preprint arXiv:1802.03116},
year = {2018}
}
备注
Published at AAAI-18