与外部专家一起学习稀有单词翻译

Ngoc-Quan Pham公司,简·尼休斯,亚历山大·威贝尔

摘要
神经机器翻译（NMT）显著提高了自动翻译模型的质量。当前系统的主要挑战之一是稀有词的翻译。我们提出了一种通用方法，通过让外部模型将训练数据注释为专家，并通过指针网络和强化学习控制模型专家交互，来解决这一弱点。我们使用基于短语的模型模拟专家来补充神经机器翻译模型的实验表明，可以训练模型将注释一致地复制到输出中。我们证明了我们提出的框架在仅使用词汇资源的领域外翻译场景中的优势，在英语-西班牙语和德语-英语两个翻译方向上都提高了超过1.0个BLEU点。
选集ID：
W18-2712型
体积：
第二届神经机器翻译与生成研讨会论文集
月份：
七月
年份：
2018
地址：
澳大利亚墨尔本
编辑：
亚历山大·伯奇,安德鲁·芬奇,唐良（Thang Luong）,格雷厄姆·纽比格,尤素克·奥达
地点：
NGT公司
SIG公司：
出版商：
计算语言学协会
注：
页：
100–109
语言：
网址：
https://aclantology.org/W18-2712
内政部：
10.18653/v1/W18-2712
比比键：
引用（ACL）：
Ngoc-Quan Pham、Jan Niehues和Alexander Waibel。2018与外部专家一次学习稀有词翻译.英寸第二届神经机器翻译与生成研讨会论文集，第100-109页，澳大利亚墨尔本。计算语言学协会。
引用（非正式）：
与外部专家一次学习稀有词翻译（Pham等人，NGT 2018）
复制引文：
PDF格式：
https://aclantology.org/W18-2712.pdf
PDF格式 引用 搜索