@正在进行{ngo-etal-2019变压器,title=“Transformer如何振兴基于特征的神经机器翻译:对{J}apanese-{V}ietnamese翻译系统的研究”,author=“Ngo、Thi-Vinh和哈,Thanh-Le和Nguyen、Phuong-Thai和Nguyen,Le-Minh“,editor={Niehues,Jan和卡特尼、罗兰多和圣乌克、塞巴斯蒂安和Negri、Matteo和图尔奇、马尔科和哈,Thanh-Le和Salesky、Elizabeth和萨纳布里亚、拉蒙和Barrault、Loic和Specia、Lucia和费德里科(Federico)、马塞洛(Marcello)、,booktitle=“第十六届国际口语翻译会议记录”,月=11月#“2-3”,year=“2019”,address=“香港”,publisher=“计算语言学协会”,url=“https://aclantology.org/2019.iwslt-1.15”,抽象=“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结构限制,阻碍了这些基于字符的系统的实际使用。它们不利于处理极端情况非常长的序列以及在并行计算方面的高度限制。在本文中,我们证明了新的transformer架构可以比递归架构更好地执行基于字符的转换。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。",}
<?xml版本=“1.0”编码=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“ngo-etal-2019-transformer”><标题信息>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</titleInfo><name type=“personal”>Thi-VinhNgo<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”><namePart type=“given”>Thanh-Le</namePart><namePart type=“family”>哈<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>Phuong-Thai阮<namePart type=“family”>阮</namePart><角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>Le-Minh阮<namePart type=“family”>阮</namePart><角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><originInfo>发布日期:2019-11月2-3日发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第十六届国际口语翻译会议记录</titleInfo><name type=“personal”>一月尼胡斯<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>罗兰多卡特尼<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>塞巴斯蒂安<namePart type=“family”>Stüker</namePart><角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>马蒂奥Negri(奈格里)<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“given”>马可图尔奇<namePart type=“family”><角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“given”>Thanh-Le</namePart><namePart type=“family”>哈<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“given”>伊丽莎白</namePart>Salesky公司<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>拉蒙萨纳布里亚<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>洛伊克<namePart type=“family”>突击队</namePart><角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“given”>露西亚</namePart>Specia系列<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>马塞洛费德里科<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><originInfo>计算语言学协会<位置>香港</place></originInfo>会议出版物</relatedItem>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</摘要>ngo-etal-2019变压器<位置><网址>https://aclantology.org/2019.iwslt-1.15</url></位置><部分><日期>2019-11月2-3日</部分></模块></modsCollection>
%0会议记录%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%A Ngo、Thi-Vinh%阿哈,Thanh-Le%阮富泰%A Nguyen、Le-Minh%Y Niehues,简%Y Cattoni,罗兰多%塞巴斯蒂安·Y Stüker%Y Negri,马蒂奥%马可·Y·图奇%Y Ha、Thanh-Le%Y Salesky,伊丽莎白%Y桑纳布里亚,拉蒙%洛伊克·巴罗%露西娅·Y·斯佩西亚%Y Federico,马塞洛%第十六届国际口语翻译会议论文集%D 2019年%2013年11月8日%计算语言学协会%C香港%F ngo-etal-2019变压器%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。我们在一对低资源语言上进行实验: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。%U型https://aclantology.org/2019.iwslt-1.15
降价(非正式)
【Transformer如何振兴基于字符的神经机器翻译:对日越翻译系统的调查】(https://aclantology.org/2019.iwslt-1.15)(Ngo等人,IWSLT 2019)
国际计算语言学协会