融合零指代识别的篇章级机器翻译  

Context-aware Machine Translation Integrating Zero Pronoun Recognition

作　　者：汪浩 李军辉[1] 贡正仙[1] WANG Hao;LI Junhui;GONG Zhengxian(School of Comiputcr Science and Technology,Soochow University,Suzhou,Jiangsu 215006,China)

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006

出　　处：《中文信息学报》2023年第8期25-33,共9页Journal of Chinese Information Processing

摘　　要：在汉语等其他有省略代词习惯的语言中,通常会省略可从上下文信息推断出的代词。尽管以Transformer为代表的的神经机器翻译模型取得了巨大的成功,但这种代词省略现象依旧使神经机器翻译模型面临很大的挑战。该文在Transformer模型基础上提出了一个融合零指代识别的翻译模型,并引入篇章上下文来丰富指代信息。具体地,该模型采用联合学习的框架,在翻译模型基础上,联合了一个分类任务,即判别句子中省略代词在句子所表示的成分,使得模型能够融合零指代信息辅助翻译。通过在中英对话数据集上的实验,验证了该文所提出方法的有效性,与基准模型相比,翻译性能提升了1.48个BLEU值。Pronouns are usually omitted if it can be inferred from context in such pro-drop languages as Chinese,which poses a significant challenge for NMT.This paper proposes a model to capture zero pronoun information based on Transformer,introducing the context to enrich anaphora information.It adopts the framework of joint learning,employing a classification task to identify the omitted component of the sentence to help translation optimization.Experiments on a Chinese-English dialogue dataset prove the proposed method achieves an improvement of 1.48 BLEU compared with the benchmark model.

关 键 词：零指代 篇章级机器翻译 联合学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]