本文介绍一种利用神经网络在成对翻译评估中选出最佳翻译的新方法,该方法基于单词和句子嵌入形成紧凑的分布式向量表示,并利用多层神经网络对参考文本和两个翻译之间的交互进行建模,从而可以高效地学习和分类,且与人类评估结果的相关性不亚于当前技术水平的最高水平。
Dec, 2019
这篇综述论文旨在总结文档级机器翻译的最新研究进展,重点讨论了神经网络模型、训练策略、评估指标等方面的创新,为该领域的研究者提供状态认知和未来方向。
该研究系统研究了端到端的神经机器翻译的上下文向量作为句子的交互语言表征的功效,并在可比较语料库中取得了较高的平行句子识别准确率。
Apr, 2017
本文提出了一种基于双向蕴含的机器翻译评估新指标,利用深度学习实现候选和参考翻译之间的语义相似度评分,应用于 WMT'14 和 WMT'17 数据集,与传统指标相比在系统级别上具有更好的与人工注释评分的相关性。
Nov, 2019
本研究提出了一种基于注意力机制的神经机器翻译(NMT)模型,并允许它在训练后访问整个平行句子对训练集。该模型由两个阶段组成:检索阶段和翻译阶段,实现了在源句子和一组检索的平行句子对之间的平滑翻译。在三种语言(En-Fr,En-De 和 En-Es)上的实证评估表明,该方法显著优于基准方法,并且当检索到更相关的平行句子对时,改进效果更为显著。
May, 2017
本文提出一个过程,用于研究神经机器翻译 (NMT) 系统生成的句子表示如何编码不同的语义现象,最终发现编码器最适合在语法 - 语义界面上支持推理,而不是需要世界知识的指代消解。
Apr, 2018
本文评估了新兴的神经机器翻译系统和基于短语的机器翻译系统在九种语言方向上的表现,发现相对于基于短语的系统,神经机器翻译系统翻译更为流畅和准确,但在翻译超长句子时表现差。
Jan, 2017
本文追溯了现代神经机器翻译体系结构的起源,重点探讨了单个神经网络在翻译中的应用,其中涉及到 word 和 sentence embedding 以及编码器 - 解码器网络家族的早期示例,并总结了该领域的最新趋势。
本文将机器翻译评估方法应用于另一个问题:社区问答中的答案排序,采用一种结合 MTE 特征、丰富的句法和语义嵌入、高效建模复杂非线性交互的成对神经网络架构。评估结果表明 MTE 特征和成对神经网络架构都对结果有着显著的贡献,具有最先进的性能。
神经机器翻译在近年来取得了快速的进展,我们提出了一种双向语义评估方法,通过计算源文本与翻译的语义距离,实现了在同一语言层面上的句子比较,该方法在英德语对的多个机器翻译系统中得出的平均评估分数与人工评估之间存在强相关性,同时提出了一种新的多语言方法来对 MT 系统进行排序,无需平行语料库。
Mar, 2024