Jun, 2021

面向用户驱动的神经机器翻译

PDF
TL;DR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。
neural machine translationuser behavioruser-driven nmtzero-shot learningudt-corpus
发现论文，激发创造
  • 基于 LLM 的机器翻译中加入文化意识

    本研究着眼于如何将文化知识应用于大型语言模型的机器翻译中，提出了一种新的数据筛选方法来构建具有文化相关性的平行语料库，并设计了简单有效的提示策略以帮助大型语言模型实现机器翻译。经过广泛实验表明，这些方法可以大大帮助将文化知识融入到大型语言模型的机器翻译中，从而在翻译文化特定的句子方面优于传统的 NMT 系统。

    May, 2023

  • 无监督神经机器翻译的实证研究：NMT 输出、模型行为和句子贡献的分析

    无监督神经机器翻译（UNMT）关注于提高无人翻译平行数据的 NMT 结果，但在突出其优势与分析除翻译准确性以外的输出方面，迄今为止还做得很少。我们聚焦于三种非常不同的语言，法语、古吉拉特语和哈萨克语，并使用不同程度的监督来训练双语 NMT 模型，并在高和低资源环境中，测量 NMT 输出的质量，并将生成的序列的词序和语义相似性与源语句和参考句子进行比较。我们还使用分层相关传播来评估源语句和目标语句对结果的贡献，并扩展了先前作品对 UNMT 范式的发现。

    Dec, 2023

  • PheMT: 一种面向现象的用户生成内容机器翻译鲁棒性数据集

    研究使用新数据集 PheMT，评估神经机器翻译系统对于特定日语 - 英语语言现象的鲁棒性，结果显示现有模型在用户生成内容的翻译质量表现不佳。

    Nov, 2020

  • 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

  • 机器之间的机器翻译：情感分类应用案例

    提出了一种神经机器翻译的方法，利用一种新的候选采样策略，基于强化学习技术提高翻译模型的机器导向性，从而产生最适合用作特定下游任务的自然语言处理组件输入的翻译结果，这种方法可以显著提高英文分类器对 Twitter 数据的情感分类的性能。

    Oct, 2019

  • 面向个性化及文档级对话机器翻译

    Personalised NMT and document-level NMT are proposed to incorporate extra-textual information directly into the machine translation process, with the aim of improving the accuracy of translation for subtitles in five languages, respectively. The main challenges are addressed by incorporating extra-textual information, improving the accuracy of cohesion devices, and proposing reliable evaluation metrics for PersNMT and DocNMT.

    Feb, 2021

  • 谷歌的神经机器翻译系统：弥合人类翻译和机器翻译之间的差距

    Google 发布的 GNMT 神经机器翻译系统采用 LSTM 深度学习网络，使用 attention 机制和残差连接，借助词元素 (wordpieces) 将单词划分为子单元，提高了稀有单词处理能力与整体系统精度。

    Sep, 2016

  • 由统计机器翻译指导的神经机器翻译

    本文提出了将 SMT 模型融入 NMT 框架，通过辅助分类器和门函数来结合 SMT 的推荐和 NMT 的生成，从而提高中英翻译的性能。实验结果表明，该方法在多个测试集上均显著优于现有的 NMT 和 SMT 系统。

    Oct, 2016

  • 个性化神经机器翻译的极端适应性

    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。

    May, 2018

  • 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