EMNLPAug, 2017

利用基于短语的模型在混合搜索中进行神经机器翻译

PDF
TL;DR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。
hybrid searchattention-based neural machine translationstatistical mt modelsphrase-based modelsmt quality
发现论文，激发创造
  • 基于短语的注意力机制

    本文提出了新颖的基于词组注意 (phrase-based attention) 的方法，将 n 个词组建模为注意机制实体，从而在 Transformer 网络中引入这种方法，结果在 WMT'16 训练数据的英德翻译任务中，分别提高了 1.3 BLEU 和 0.5 BLEU。

    Sep, 2018

  • 神经网络与基于短语的机器翻译质量比较：一个案例研究

    本文分析了神经网络机器翻译（NMT）与基于短语的机器翻译（PBMT）在英语 - 德语翻译数据集上的表现，从专业翻译的高质量后编辑结果中发现神经网络机器翻译在表述动词重新排序等语言现象时具有更好的建模能力，但仍有需要改进的方面。

    Aug, 2016

  • 神经机器翻译中词组翻译

    本文提出了一种方法将基于统计的短语机器翻译方法中存储的目标短语与神经机器翻译模型的编码器 - 解码器结构相结合，其中短语记忆被动态地生成，提供上下文信息，以进行短语翻译，实现了中英文翻译的显著提升。

    Aug, 2017

  • 神经机器翻译的短语级主动学习

    本文拟通过选择在新领域非标记数据中的全句和短语，将其路由至人类翻译，解决神经机器翻译在领域转移方面的限制，从而在德语 - 英语翻译任务上，相比于不确定性句子选择方法，实现了一定程度的改进。

    Jun, 2021

  • 基于短语和神经网络的无监督机器翻译

    该研究研究了如何在只有大型单语语料库的情况下学习翻译。提出了两种模型，一种是神经模型，一种是基于短语的模型。这些模型通过参数的精心初始化、语言模型的去噪效应和反向迭代自动生成的并行数据来提高翻译性能。在 WMT'14 英语 - 法语和 WMT'16 德语 - 英语 基准测试上，这些模型分别获得 28.1 和 25.2 BLEU 分数，比现有方法的 BLEU 分数高出 11 个分数。方法在英语 - 乌尔都语和英语 - 罗马尼亚语等低资源语言中也取得了良好的结果。

    Apr, 2018

  • 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

  • 印地语 - 英语机器翻译的混合方法

    本文提出了一种扩展的混合数据驱动机器翻译系统，采用基于短语的统计机器翻译（SMT）、基于示例的机器翻译（EBMT）和基于规则的机器翻译（RBMT）的组合方法，其利用规则 MT 指导 EBMT 和 SMT 的候选翻译，提高了机器翻译系统的流畅度、准确性和语法精度，比谷歌、必应和巴比伦等已知翻译器在使用含有歧义和成语的句子时表现更好。

    Feb, 2017

  • 神经机器翻译中使用短语机制的有效方法

    我们报告了一种有效的方法，使用短语机制 PhraseTransformer 改进了基线模型 Transformer，在构建神经机器翻译系统时在越中平行语料库上取得了最新的成果。

    Aug, 2023

  • 基于词组的统计机器翻译语言模型

    本文研究了基于短语的语言模型，针对机器翻译使用引入了全面的基于短语的语言模型，并通过初步实验结果表明，相比于基于单词的语言模型，我们的方法在困惑度和翻译质量方面表现更好。

    Jan, 2015

  • 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