基于篇章结构多任务学习的神经机器翻译

摘要：

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻译的编码器-解码器框架中显式地建模基本篇章单元切分、篇章依存结构预测和篇章关系分类任务,从而得到结构信息增强的篇章单元表示.该表示分别通过门控加权和层次注意力的方式,与编码和解码的状态向量进行融合.此外,为了缓解模型在测试阶段对篇章分析器的依赖,在训练时采用多任务学习的策略,引导模型对翻译任务和篇章分析任务进行联合优化.在公开数据集上的实验结果表明,所提出的方法能够有效地建模和利用篇章单元间的依存结构信息,从而达到提升译文质量的目的.

关键词：神经机器翻译、篇章结构、多任务学习、篇章分析

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：3806-3818