个性化神经机器翻译的极端适应性

ACLMay, 2018

个性化神经机器翻译的极端适应性

Extreme Adaptation for Personalized Neural Machine Translation

Paul Michel, Graham Neubig

TL;DR本文提出了一种简单而参数高效的自适应技术，通过适应输出 softmax 的偏差来适应机器翻译系统的每个特定用户，从而改善翻译准确性和更好地反映说话者特点在目标文本中。

Abstract

Every person speaks or writes their own flavor of their native language, influenced by a number of factors: the content they tend to talk about, their gender, their social status, or their geographical origin. When attempting to perform machine translation (MT), these variations have a

machine translation adaptation technique translation accuracy speaker traits language variation

发现论文，激发创造

神经机器翻译的简单可扩展自适应性

本研究提出了一种简单而有效的适应 NMT 模型的方法，该方法是将微小的任务特定适配层注入预训练模型，能够同时适应多个不同的任务，并在两项任务中得到了验证，理论与全面的微调相当。

Sep, 2019

使用大型语言模型的自适应机器翻译

本文旨在探究如何利用上下文学习的方法来提高实时自适应机器翻译的质量，并研究将强编码器 - 解码器模型和模糊匹配相结合以进一步提高翻译质量的方法。已在五个大不同的语言对上展开了实验。

Jan, 2023

个性化机器翻译：保留原作者特点

研究作者的性别在自然语言与翻译中所表现的个性化特征以及提出了简单的领域自适应技术来保持翻译的原始性别特征而不影响翻译质量。

Oct, 2016

面向专业人员的 NMT 增量调整：用户研究

本文研究使用在线学习方法对神经网络机器翻译系统进行改进，通过用户实验表明改进后的系统在翻译质量、减少人工修改时间等方面有了明显的提升。

Jun, 2019

神经网络语言模型的增量适应策略

本文提出了两种优化神经网络语言模型适应新数据的方法，包括在重新采样数据上进行继续训练或插入适应性层。在 CAT 环境中应用于 SMT 系统中，这两种方法均取得了显著的改进。

Dec, 2014

神经机器翻译的快速领域适应

本文介绍了一种适应新领域的神经机器翻译（NMT）系统，并展示了在两种语言对上，适应方法相比于常用方法在自动和人工评估测量标准下的显著性提升，而一般领域性能仅略有下降，适应过程快速且不需要重新训练 NMT 模型。

Dec, 2016

神经机器翻译的领域自适应调查

本文全面调查总结了当前最先进的神经机器翻译领域适应技术，旨在解决场景中特定领域缺乏相应语料库而导致自然语言翻译效果下降的问题。

Jun, 2018

低资源语言方言的机器翻译

提出了一种快速适应机器翻译系统生成不同于标准目标语言的语言变体的框架，通过对英俄翻译系统进行适应，可以生成乌克兰语和白俄罗斯语；适应英挪威博克马尔翻译系统可以生成尼诺斯克语；适应英语 - 阿拉伯语翻译系统可以生成四种阿拉伯方言，与竞争基线相比，取得了显著的改进。

Jun, 2021

面向用户驱动的神经机器翻译

本文介绍了一种基于用户驱动的神经机器翻译系统，该系统能够捕捉用户的历史输入并生成个性化的翻译结果。为了填补当前缺乏用户行为注释平行数据集和难以对零样本情况的用户画像建模的差距，提出了一种基于缓存和对比学习方法的框架。同时，作者还贡献了第一个中英平行语料库 UDT-Corpus。实验结果表明，该系统能够生成用户特定的翻译结果。

Jun, 2021

机器翻译中算法偏见对语言复杂性的影响

本文研究机器翻译中偏见放大的问题，探究算法的偏见增强对语言是否会产生贫化作用。作者测试了不同的数据驱动机器翻译范式，并发现所有测试的语言对中，都存在词汇和形态上的丧失。

Jan, 2021