Oct, 2022

DICTDIS：基于字典限制的消歧改进 NMT

PDF
TL;DR本文提出了 DICTDIS，一种词汇约束的神经机器翻译系统，它通过在训练数据中使用多个字典候选项来鼓励消歧。作者对新闻、金融、医疗和工程等多个领域的英语 - 印地语句子进行了广泛的实验，表明 DICTDIS 在所有领域中都具有优异的消歧性能，在某些领域中的流畅性提高了 4 个 BLEU 分数，相比于现有的词汇约束和非约束的 NMT 方法。
domain-specificneural machine translationlexically constraineddictdisdisambiguation
发现论文，激发创造
  • 词汇消歧约束的神经机器翻译

    本文介绍了一种基于上下文的约束消岐技术，提出了一种称为 D-LCNMT 的框架，使得预先指定的词汇约束在真实世界的情境中更加合适和精确，实验证明该方法在数据扩充和多个目标约束词汇方面优于先前的方法。

    May, 2023

  • 将离散的翻译词典融入神经机器翻译

    本文提出使用离散的翻译词典，通过使用 NMT 模型的 attention 向量选择需要聚焦的源单词的词典概率，从而缓解 NMT 在翻译低频词汇时出现的错误，并进行了两种方法的实验，结果显示翻译质量（BLEU）得分有明显提高。

    Jun, 2016

  • 神经机器翻译中集成向量化词汇约束

    该研究提出了一种直接将词汇约束集成到神经机器翻译模型中的方法，通过将词汇约束向量化为连续的键和值，并利用 NMT 模型的注意力模块来表征词汇约束对，并在四种语言对上表明了该方法的优越性。

    Mar, 2022

  • 使用深度神经网络架构的词汇翻译模型

    通过深度神经网络代替线性最大熵模型，结合 Discriminative Word Lexicon 模型和全球上下文句子的优势，该研究在现有的翻译系统中改善了三种不同语言对的性能达到 0.5 个 BLEU 点。

    Apr, 2015

  • 基于词典的跨领域神经机器翻译数据增强

    本文提出了一种基于词典的数据增强方法，用于跨领域神经机器翻译。通过生成大规模的伪 IND 平行语料库，可以增强一般域训练的基线 NMT 模型，实验结果表明，DDA 增强的 NMT 模型表现出一致显著的改进，胜过基线模型 3.75-11.53 BLEU。

    Apr, 2020

  • Dict-TTS: 带有先验字典知识的学习发音文本转语音

    本文提出了一种基于语义感知的生成文本到语音模型 Dict-TTS，该模型结合在线网站词典通过 S2PA 处理 module，实现了对多音字消除（polyphone disambiguation）的有效解决，同时提高了 TTS 系统的发音准确性及韵律建模，该模型在三种语言的实验结果显示优于其他基线模型。

    Jun, 2022

  • 通过词表归纳进行神经机器翻译的领域适应

    本文提出了一种无监督的自适应方法，使用伪域内语料库通过微调预先训练的域外 NMT 模型，借助词典诱导提取域内词汇，并通过针对性的单语域内目标句子进行逐词反向翻译构建伪平行域内语料库，在 20 对自适应设置和两种模型架构的五个领域中，我们的方法始终显示出提高，而不需要使用任何域内平行句子，改进了未经过调整的模型高达 14 BLEU 和强反向翻译基线的最高 2 BLEU。

    Jun, 2019

  • 字典辅助的监督对比学习

    本文介绍了一种使用字典辅助的有监督对比学习模型，使研究人员能够在微调预训练语言模型时利用专门的字典。这种方法可以在少量样本情况下提高分类性能指标和社会科学应用。

    Oct, 2022

  • 通过语义适当应用词汇限制实现准确翻译

    本文研究了将用户提供的术语融入翻译中的词汇约束机器翻译（LNMT）模型，并提出了具有挑战性的评估方法和 PLUMCOT 方法来解决模型中挑战性的词汇约束问题，并提出了一个评估基准，结果表明 PLUMCOT 在处理 “看不见” 的约束条件方面效果显著。

    Jun, 2023

  • 无监督双语词典归纳的局限性

    该文研究了无监督的机器翻译模型，提出了利用对手生成网络对词嵌入空间进行自对齐和对齐生成双语词典，但对于形态丰富的语言，无监督双语词典的表现会受到很大限制，该研究通过利用弱监督从同一词来构建词典，建立了无监督双语词典表现和图相似度的相关性。

    May, 2018