ACLMay, 2016

句法引导的神经机器翻译

PDF
TL;DR本文研究了使用分层短语配对 SMT 网络在端到端的神经机器翻译（NMT）中的应用。通过权重推送将完整的翻译预测假设的 Hiero 分数，包括完整的翻译语法分数和完整的 n-gram 语言模型分数，转换为与 NMT 预测概率兼容的后验概率，并通过稍加修改的 NMT 波束搜索解码器，发现了比 Hiero 和 NMT 单独解码的改进，在扩展 NMT 到非常大的输入和输出词汇方面具有实际优势。
hierarchical phrase-based smt latticesneural machine translationbeam-search decodertranslation grammar scoren-gram language model score
发现论文，激发创造
  • 基于短语的强制解码改进神经机器翻译

    本研究提出了一种将传统 SMT 模型与神经机器翻译相结合的方法，从而提高翻译质量。该方法利用现有的基于短语的 SMT 模型计算基于短语的解码成本，并将其用于重新排列 n 个最佳 NMT 输出。研究表明，利用强制解码成本对 NMT 输出进行排序可以成功提高四种不同语言的翻译质量。

    Nov, 2017

  • 通过最小化与句法翻译格子相关的贝叶斯风险进行神经机器翻译

    该研究提出了一种将神经机器翻译（NMT）与传统的统计机器翻译（SMT）相结合的新方案，利用贝叶斯风险进行组合，并成功地在英德和日英翻译方面得到了显著的提升。

    Dec, 2016

  • 利用基于短语的模型在混合搜索中进行神经机器翻译

    本文介绍了一种混合搜索的关注机制神经机器翻译模型，该模型使用机器翻译模型和短语级翻译概率等特征来实现目标短语的波束搜索，结果显示与强 NMT 基准模型相比，使用短语模型搜索可以将机器翻译质量提高达到 2.3% 的 BLEU 绝对值的效果。

    Aug, 2017

  • 由统计机器翻译指导的神经机器翻译

    本文提出了将 SMT 模型融入 NMT 框架，通过辅助分类器和门函数来结合 SMT 的推荐和 NMT 的生成，从而提高中英翻译的性能。实验结果表明，该方法在多个测试集上均显著优于现有的 NMT 和 SMT 系统。

    Oct, 2016

  • 利用语法感知编码器和解码器实现改进的神经机器翻译

    本研究致力于改进基于编码器 - 解码器框架的神经机器翻译模型，通过显式地结合源侧语法树，在两种结构化表示（顺序和树）之间进行学习，提出具有树覆盖模型和双向树编码器的翻译模型，并证实优于其他基线模型。

    Jul, 2017

  • 无监督神经机器翻译中使用 SMT 作为后验正则化

    本论文提出了一种将基于短语的统计机器翻译模型作为后验正则化引入到无监督神经机器翻译模型的训练过程中，以提高翻译质量的方法，并在 en-fr 和 en-de 翻译任务上进行实验，最终取得了新的最佳性能。

    Jan, 2019

  • 共享权重的无监督神经机器翻译

    通过使用两个独立的编码器和局部 GAN、全局 GAN，以提高跨语言翻译，本文通过无监督神经机器翻译方法显著提高了英德，英法和中英翻译任务的效果。

    Apr, 2018

  • 树到序列的注意力神经机器翻译

    本文提出了一种新的端对端句法神经机器翻译模型，在源端短语结构的基础上扩展了序列到序列模型，并引入了注意力机制，可以软对齐短语和源句子中的单词，实验结果表明，相比于序列到序列的注意力 NMT 模型，该模型表现显著提升，在 WAT'15 英日翻译数据集上，与当下最优秀的树到串翻译系统相比可媲美。

    Mar, 2016

  • 基于字符串到树的神经机器翻译方法

    本文介绍了一种简单的方法，通过翻译成线性化的、词汇化的组成树来融合有关目标语言的语法信息，实验结果表明，与同一数据集上训练的语法无关的神经机器翻译系统相比，WMT16 德英新闻翻译任务的 BLEU 评分得到了明显提升。对语法感知系统的翻译进行分析后发现，它在翻译过程中进行了更多的重排。小规模人类评估也表明了语法感知系统的优势。

    Apr, 2017

  • 无监督统计机器翻译

    本文提出了一种基于 SMT 的新颖方法，通过跨语言嵌入映射从单语料库中诱导短语表，再将其与 N-gram 语言模型相结合，通过无监督超参数微调的变体来实现迭代反向翻译，并在 WMT 2014 中实现了超过 7-10 BLEU 点的改进，与监督 SMT 相比关闭了 2-5 BLEU 点的差距。

    Sep, 2018