【IJCAI2020南大】上下文在神经机器翻译中的充分利用

论文提出了一个文档级NMT框架，对每个句子的本地上下文、源语言和目标语言文档的全局上下文建模，能够处理包含任意数量的句子的文档，比sota baseline高2.1个BLEU score。传统文档级NMT的缺点有：不能完全利用上下文，深层使得模型对环境中的噪声更加敏感；由于深度混合hybrid需要全局文档上下文作为额外的输入，不能翻译单个句子。

 

新框架在源语句中独立地编码本地上下文，而不是从一开始就将它与全局上下文混在一起，因此当全局上下文很大且有噪声时，这个框架是健壮的。此外，架构将部分生成的文档翻译作为目标全局上下文进行逐句翻译，从而允许本地上下文控制单句文档的翻译过程。

https://www.ijcai.org/Proceedings/2020/0551.pdf

参考链接：

https://blog.csdn.net/liuy9803/article/details/104654066

https://mp.weixin.qq.com/s/mRfyeHdlV5Y636jvQj5SAw

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CNMT” 可以获取《【IJCAI2020南大】上下文在神经机器翻译中的充分利用》专知下载链接索引

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看5000+AI主题知识资料