利用单调知识提取实现更好的同声翻译

王舒舒,吴晶（音译）,范凯,魏洛,肖军（Jun Xiao）,黄忠强

摘要
同时机器翻译（SiMT）提出了一个独特的挑战，因为它需要在源句子完全被使用之前生成目标标记。这可能导致幻觉问题，即生成目标标记时没有源语句的支持。由于源语言和目标语言之间的语序不同，用于训练SiMT模型的前缀对前缀训练数据并不总是并行的，这可能会导致这个问题。在本文中，我们提出了一种新的方法，该方法利用传统翻译模型作为教师，并使用两阶段波束搜索算法生成单调但准确的参考译文，用于序列级知识提取。实验结果表明，我们的方法在多个强SiMT基线上取得了显著的改进，从而在各种语言对之间实现了最新的性能。值得注意的是，当对WMT15 De-En测试集的单调版本进行评估时，其中包括专业翻译人员以更单调的风格生成的引用，我们的方法比基线实现了更大的改进。源代码和数据公开供进一步研究。
选集ID:
2023.acl长131
体积：
计算语言学协会第61届年会论文集（第一卷：长篇论文）
月份：
七月
年份：
2023
地址：
加拿大多伦多
编辑：
安娜·罗杰斯,乔丹·博伊德·格雷伯,冈崎直（Naoaki Okazaki）
地点：
国际计算语言学协会
SIG公司：
出版商：
计算语言学协会
注：
页：
2334–2349
语言：
网址：
https://aclantology.org/2023.acl-long.131网址
内政部：
10.18653/v1/2023.acl长131
比比键：
引用（ACL）：
王树书、吴静、范凯、罗伟、肖军和黄忠强。2023利用单调知识提取实现更好的同声翻译.英寸计算语言学协会第61届年会论文集（第一卷：长篇论文），第2334–2349页，加拿大多伦多。计算语言学协会。
引用（非正式）：
利用单调知识提取实现更好的同声翻译（Wang等人，ACL 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.acl-long.131.pdf
视频：
 https://aclantology.org/2023.acl-long.131.mp4
PDF格式 引用 搜索 视频