神经机器翻译中基于块反馈的学习

ACLJun, 2018

神经机器翻译中基于块反馈的学习

Learning from Chunk-based Feedback in Neural Machine Translation

Pavel Petrushkov, Shahram Khadivi, Evgeny Matusov

TL;DR本文实证研究了神经机器翻译中的部分反馈学习，提出了一种使用用户反馈信息的简单有效的方法，并证明了基于块级别的用户反馈信息可以降低训练和部署之间的领域不匹配问题，模拟实验表明块级别反馈相较于句子级反馈，能提高 2.61% 的 BLEU 绝对值。

Abstract

We empirically investigate learning from partial feedback in neural machine translation (NMT), when partial feedback is collected by asking users to highlight a correct chunk of a translation. We propose a simple

neural machine translation partial feedback chunk-level feedback domain mismatch bleu

发现论文，激发创造

神经机器翻译能否通过用户反馈进行改进？

本研究在 ebay 电商平台上，使用了人类增强的方法来改进神经机器翻译 (NMT)，并通过通过跨语言搜索任务收集的隐式任务反馈，提高了翻译质量和任务效率。

Apr, 2018

基于对齐分块的神经同声传译

提出了一种用于机器翻译的神经网络模型，其能够动态决定何时继续输入源文本或生成翻译文本，通过使用单向或双向编码器来处理实际语音和文本输入，使用词对齐方法生成分块训练数据，并在 IWSLT 2020 英 - 德任务上优于 wait-k 基线 2.6 到 3.7% BLEU 中的结果。

May, 2020

神经机器翻译的非参数人类反馈在线学习

本研究提出一种新颖的非参数在线学习方法，该方法引入了两个 k 最近邻模块，一个模块记忆人工反馈，另一个模块自适应地平衡历史人工反馈和原始 NMT 模型，实验结果表明，在 EMEA 和 JRC-Acquis 基准测试中，该方法在翻译准确性上得到了实质性的改进，并实现了更好的适应性能，需要更少的重复人工纠正操作。

Sep, 2021

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

利用检索到的翻译片段指导神经机器翻译

通过搜索引擎检索以前见过的语句，然后提取这些语句中与源语句匹配的 $n$-grams 以实现将历史翻译例子加入到神经机器翻译模型中，因此提高翻译效果。

Apr, 2018

基于块的最近邻机器翻译

本文提出了一种新的基于分块的 $k$NN-MT 模型，在机器翻译领域中具有显著的速度优势，同时实现了对域适应能力的支持。

May, 2022

一种交互式预测神经机器翻译的强化学习方法

该研究提出了一种交互式预测神经机器翻译的方法，通过人类质量判断和基于熵的不确定性准则来降低人力需求以及实现在线模型参数的更新，模拟实验表明这种方法可以显著提高翻译质量并将人力需求控制在一个较低的水平。