Jan, 2023

神经聊天翻译的多任务多阶段转移训练框架

PDF
TL;DR本论文旨在研究神经聊天翻译 (NCT)，针对已有上下文感知机器翻译模型存在的问题，提出了一种多任务多阶段过渡 (MMT) 训练框架，采用双语聊天翻译数据集和额外的单语对话训练 NCT 模型，并引入话语一致性和说话人特征建模。训练过程包括三个阶段，通过逐步转换单语为双语对话，MMT 能够有效地缓解训练阶段的差异并提高翻译效果。
neural chat translationmulti-task multi-stage transitional (mmt) training frameworkbilingual chat translation datasetutterance discriminationspeaker discrimination
发现论文，激发创造
  • 神经对话翻译的多任务学习调度

    该研究提出了一种基于多任务学习的计划框架以有效提升神经聊天翻译（NCT）的翻译质量，通过加入第二个预训练阶段和调度对话相关辅助任务的方法将大规模领域内的聊天翻译数据融入训练，进一步提高了主要聊天翻译任务的效果。经实验证明，该方法在四个语言方向上都表现出优异的性能，同时该研究已经公开了大规模领域内配对的双语对话数据集。

    May, 2022

  • 神经对话翻译中双语对话特征建模

    本研究旨在通过设计潜在变分模块来提高自然语言机器翻译中针对双语对话文本的翻译质量， 在英德数据集 BConTrasT 以及英汉数据集 BMELD 上的实验证明该方法较好地增强了翻译质量并明显超过了一些最先进的具有上下文感知的 NMT 模型，并且还公开了 BMELD 数据集供研究人员使用。

    Jul, 2021

  • 利用 BERT 优化神经机器翻译

    本文介绍了一种有力的方法，将事先训练好的语言模型（LMs）与神经机器翻译（NMT）相结合，以解决当前 LM 微调应用于资源丰富任务时巨大遗忘的难题，并在机器翻译任务中取得了优越的成果。

    Aug, 2019

  • DTMT: 一种新颖的深度过渡架构用于神经机器翻译

    本研究采用深度转移递归神经网络的模型构架方法，增加了模型的深度，通过多次非线性转化的隐藏状态转移以及线性变换路径的设计，有效解决了梯度消失的问题，显著提高了翻译质量，其中 DTMT 在中文 - 英文翻译任务中的 BLEU 分数比 Transformer 模型提高了 2.09 分，并在 WMT14 英德、英法翻译任务上显示出优异的质量。

    Dec, 2018

  • 神经机器翻译多智能体学习

    本文提出一种多智能体交互更新的 NMT 模型框架，包括双向解码和多种 agenets，通过互相学习提升翻译质量，实验证实该方法在多项翻译任务中具有竞争性能力。

    Sep, 2019

  • 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

  • 基于神经机器翻译的实时翻译学习

    本论文提出了一种基于神经机器翻译的实时翻译框架，通过代理决策来实现翻译输出实时化并且具有可控的翻译质量与延迟，通过在两种语言对上的实验结果表明了该方法在定量与定性方面的有效性。

    Oct, 2016

  • 基于置信度的双向全局上下文感知训练框架用于神经机器翻译

    本研究提出一个训练框架 —— 基于置信度的双向全局上下文感知（CBBGCA），用于在神经机器翻译（NMT）中有效地利用双向全局上下文。通过对 CBBGCA 模型的多任务联合训练和基于置信度的知识蒸馏，本研究得出，该模型在三个大型翻译数据集上的 BLEU 分数均有所提高。

    Feb, 2022

  • MSCTD: 一种多模态情感聊天翻译数据集

    本研究介绍了一项名为 Multimodal Chat Translation (MCT) 的新任务，旨在通过与对话历史和视觉上下文相关联的信息来生成更准确的翻译。为此，构建了一个 Multimodal Sentiment Chat Translation Dataset (MSCTD)，并建立了多个基线系统，实现了基于情感的各种特征多模式融合。初步实验证实了人工智能上下文多模式融合和情感因素对 MCT 任务的积极影响，为多模式聊天翻译和多模式对话情感分析的研究提供了可能性。

    Feb, 2022

  • 双语多说话人谈话的上下文神经翻译模型

    本文提出了一项翻译双语多说话者会话的任务，并探索了利用源语言和目标语言会话历史的神经网络架构，在 Europarl v7 和 OpenSubtitles2016 数据集上的实验证实了利用对话历史的重要性。

    Sep, 2018