non-autoregressive neural machine translation

关键词non-autoregressive neural machine translation

搜索结果 - 12

非自回归神经机器翻译中两种语言共享的潜在空间
本研究提出一种新的潜变量建模方法，名为 LadderNMT，并通过在非自回归神经机器翻译中的实验结果展示了其在跨语言翻译任务中显著提高翻译质量的优势。该方法基于双重重建视角和先进的分层潜变量建模方法，共享两种语言的潜空间，以减轻或解决了以前
PDFa year ago
AAAIRenewNAT: 为非自回归 Transformer 续期潜在翻译
本文提出了一种名为 RenewNAT 的灵活框架，实现了高效和有效的翻译过程，结合了自然语言机器翻译的全非自回归模型和迭代模型。通过在单个通道中生成潜在的翻译结果，RenewNAT 在不引入额外模型参数和解码延迟的情况下，显着提高强大的全自
PDFa year ago
AAAI非自回归机器翻译参考文献改写
本文介绍了一种针对非自回归神经机器翻译（NAT）多模问题的解决方案：引入一种重新表述器 (rephraser) 来为 NAT 提供更好的训练目标，并通过强化学习优化该目标，从而提高 NAT 翻译质量，在主要 WMT 基准和 NAT 基线上实
PDF2 years ago
EMNLP帮助弱者使你强大：简单的多任务学习提升非自回归翻译者
提出一种多任务学习框架，加强非自回归神经机器翻译模型的学习信号并改进其准确性。实验证明该方法可以在不增加解码开销的情况下稳定提升多个非自回归基准模型的准确性。
PDF2 years ago
ACL单一参考不足够：基于参考选择的多样蒸馏用于非自回归翻译
本文提出了一种名为 DDRS 的新方法，通过选取多个高质量的参考翻译来解决非自回归神经机器翻译中的多模态问题，采用 SeedDiv 方法来实现不同翻译生成，并在机器翻译基准测试中获得了 29.82 BLEU 的成绩，相较先前最高 BLEU
PDF2 years ago
EMNLPAligNART: 通过联合学习来估计对齐和翻译的非自回归神经机器翻译
本文介绍了 AligNART—— 一个使用对齐信息的 Non-autoregressive 神经机器翻译模型，采用对齐估计和输入对齐解码器的翻译方法，成功解决了非自回归神经机器翻译（NART）中存在的多模态问题和词汇重复问题。
PDF3 years ago
ACL使用扰动长度感知位置编码进行非自回归神经机器翻译
本文提出了一种采用扰动的长度感知位置编码的序列级知识蒸馏方法，并将其应用于学生模型 Levenshtein Transformer 中，以提高非自回归神经机器翻译的翻译效果。实验结果表明，该方法在 WMT14 德语到英语翻译中相较传统方法提
PDF3 years ago
ACL非自回归神经机器翻译的扫视变换器
提出了一种基于 Glancing Language Model 的机器翻译方法，通过单次并行解码，实现了高效率、高质量的机器翻译效果，使得单次非自回归方法的性能优于以往所有方法，并且与 Transformer 相当，缩小了 0.25-0.9
PDF4 years ago
ICLR深度编码器，浅层解码器：重新评估非自回归机器翻译
本研究发现，在编码器足够深的情况下，单层自回归解码器可以显著地优于拥有相似推理速度的强大非自回归模型，并认为自回归基准与非自回归方法之间的速度劣势在某些方面被高估，这些结果为未来研究快速且准确的机器翻译建立了新的协议。
PDF4 years ago
ACL非自回归神经机器翻译多模态错误恢复的学习
提出一种称为 RecoverSAT 的半自回归模型，用于非自回归神经机器翻译，其将翻译分成段并同时生成，同时每个段是逐个生成记号来预测的，通过动态确定段长度并删除重复部分，能够解决重复和缺失记号的多模态问题。与相应的自回归模型相比，该模型在
PDF4 years ago
AAAI非自回归神经机器翻译中的 N 元词袋差异最小化
本文提出通过训练 NAT 最小化模型输出和参考句子之间的 N-Gram 差异来促进 NAT 捕捉目标方面的序列依赖性，并与翻译质量相关。在三个翻译任务上验证了我们的方法，结果显示我们的方法在 WMT14 En<->De 和 WMT16 En
PDF5 years ago
AAAI利用排序信息指导非自回归神经机器翻译解码
本研究提出了一种名为 ReorderNAT 的新型非自回归神经机器翻译框架，该框架利用可确定性和不确定性解码战略以缩小解码空间，从而更好地模拟了编码过程中的重新排序信息，实验结果表明，该模型在各种广泛使用的数据集上表现出更好的性能，并且通过
PDF5 years ago