Transformer如何振兴基于特征的神经机器翻译：一项研究J型磷灰石-V（V）ietnamese翻译系统

Thi-Vinh Ngo公司,唐乐哈,Phuong-Thai Nguyen公司,Le-Minh Nguyen先生

摘要
在东亚语言之间进行翻译时，许多作品都发现了使用字符作为翻译单位的明显优势。不幸的是，传统的递归神经机器翻译系统由于其体系结构的局限性，阻碍了这些基于字符的系统的实际应用。它们不适合处理超长的序列，并且在并行计算方面受到高度限制。在本文中，我们证明了新的变压器结构比循环变压器结构能够更好地执行基于特征的转换。我们在一个低资源的语言对上进行了实验：日语-越南语。我们的模型大大优于采用基于单词的递归体系结构的最新系统。
选集ID：
2019.iwslt-1.15
体积：
第十六届国际口语翻译大会论文集
月份：
11月2日至3日
年份：
2019
地址：
香港
编辑：
简·尼休斯,罗兰多·卡托尼,塞巴斯蒂安·施蒂克,马泰奥·内格里,马可·图尔奇,唐乐哈,伊丽莎白·萨莱斯基,拉蒙·萨纳布里亚,洛伊克·巴罗,露西娅·斯佩西亚,马塞洛·费德里科
地点：
IWSLT公司
SIG公司：
SIGSLT公司
出版商：
计算语言学协会
注：
页：
语言：
网址：
https://aclantology.org/2019.iwslt-1.15
内政部：
比比键：
引用（ACL）：
Thi-Vinh Ngo、Thanh-Le Ha、Phuong-Thai Nguyen和Le-Minh Nguyen。2019Transformer如何振兴基于特征的神经机器翻译：对日越翻译系统的调查.英寸第十六届国际口语翻译会议记录，香港。计算语言学协会。
引用（非正式）：
Transformer如何振兴基于特征的神经机器翻译：对日越翻译系统的调查（Ngo等人，IWSLT 2019）
复制引文：
PDF格式：
https://aclantology.org/2019.iwslt-1.15.pdf
代码
ngovinhtn/char转换
PDF格式 引用 搜索 代码