EMNLPSep, 2019

学习两个任务的单模型：零代词预测与翻译

PDF
TL;DR本文提出了一种统一且考虑话语的零代词（Zero pronouns, ZPs）翻译方法，利用神经网络实现对 ZP 的预测和翻译，并采用分层神经网络来利用话语上下文，实验结果表明该方法在中英和日英语料数据上显著提高了机器翻译和 ZP 预测的准确性，尤其是缓解了主观 ZPs 带来的误差。
zero pronounsmachine translationneural networksdiscourse-awarezp translation approach
发现论文，激发创造
  • 零代词翻译的调查

    这篇研究综述了神经革命之后对于零代词翻译的研究进展，提供了基于演化、数据集、方法和评估的文献组织。另外，该文比较并分析了不同基准测试上的竞争模型和评估指标，找到了一些有见地的发现，例如大语言模型的发展趋势与零代词翻译相一致，而数据限制会造成学习的偏差，而先进的方法离实际应用仍有很大差距等。

    May, 2023

  • 使用重建模型翻译 Pro-Drop 语言

    本文提出了一种新颖的基于重构的方法来解决神经机器翻译中省略代词问题，自动提取并重构源语句使得神经机器翻译模型能够更好地嵌入被注释的代词信息，该方法显著和一致地提高了中英和日英对话翻译任务的翻译性能。

    Jan, 2018

  • 利用共享恢复机制学习联合翻译和预测省略代词

    本文描述了一种改进的基于重构的方法，可以更准确地翻译省略词语言中省略的代词，并且通过对编码器和解码器表示的共享重构器的使用以及学习联合翻译和预测以避免通过外部模型传播的错误，提高了模型的性能。

    Oct, 2018

  • 日英翻译的零代词数据增广

    本研究针对日英翻译中的零代词问题，提出了一种数据扩充方法来增强模型对局部文本和零代词之间的关联，实验证明该方法显著提高了在对话领域中零代词翻译的准确性。

    Jul, 2021

  • 一种新的省略代词翻译方法

    本文提出了一种半监督方法，通过建立自动生成标注数据的 Dropped Pronouns 识别模型和基于深度学习的 DP 生成模型在翻译中识别并补充可能遗漏的代词，实验结果表明，该方法在翻译性能上有了显著提升。

    Apr, 2016

  • 通过忽略假相关关系的方式改进零样本神经机器翻译

    本研究提出了两种简单但有效的方法，解决零样本神经机器翻译的退化问题，即解决了源语言和解码语言之间的虚假相关性问题。实验结果表明，在三个具有挑战性的多语言数据集上，在零样本翻译上取得了显著的提高，并且在某些情况下可以实现优于传统基于 pivot 翻译的效果。

    Jun, 2019

  • 一个用于中文零代词消解的深度神经网络

    该研究提出了一种新的零代词特定神经网络，通过利用语义层面上的上下文信息来表示零代词，并使用两级候选人编码器来明确捕获候选人的本地和全局信息，实验结果表明，在各种实验设置中，我们的方法明显优于现有技术。

    Apr, 2016

  • 可扩展的跨语言支枢词建模代词性别用于翻译

    本研究提出了一种基于跨语言枢轴技术的新颖方法，用于自动生成高质量的性别标签，并展示了这些数据可用于微调 BERT 分类器，该分类器对于西班牙语中丢失的女性代词具有 92％的 F1，相比之下，神经机器翻译模型和非微调 BERT 模型分别为 30-51% 和 54-71％。我们使用来自我们分类器的标签来增强神经机器翻译模型以改进代词翻译，同时仍具有可并行化的翻译模型，可以逐句翻译。

    Jun, 2020

  • 伪零代词消解改善零指代消解

    本研究提出两个新的建议，分别是在 MLMs 上使用含有显式监督的方法进行项链关系的预训练任务以及新的微调方法，实验证明这两个建议可以提升零指称解析的性能，同时揭示了其余挑战的新见解。

    Apr, 2021

  • 指代零代词数据增强方法

    本文使用五种数据增强方法自动生成和检测指代零代词，提高了两个针对阿拉伯语的零代词系统的性能，表现超越了现有的最先进技术，为自然语言处理研究提供了新的资源。

    Sep, 2021