文献

J-GLOBAL ID：201902277945197246   整理番号：19A2522898

非同期双方向復号化による神経機械翻訳のための逆目標側文脈の利用【JST・京大機械翻訳】

Exploiting reverse target-side contexts for neural machine translation via asynchronous bidirectional decoding

著者 (6件)： Su Jinsong (Xiamen University, Xiamen 361005, China) ,  Zhang Xiangwen (Xiamen University, Xiamen 361005, China) ,  Lin Qian (Xiamen University, Xiamen 361005, China) ,  Qin Yue (Xiamen University, Xiamen 361005, China) ,  Yao Junfeng (Xiamen University, Xiamen 361005, China) ,  Liu Yang (Tsinghua University, Beijing 100084, China)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 277  ページ： Null  発行年： 2019年 
JST資料番号： E0180C  ISSN： 0004-3702  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 注意機構による統一符号器-復号器フレームワークに基づいて,ニューラル機械翻訳(NMT)モデルは,多くの注意を引きつけて,機械翻訳のコミュニティにおける主流になった。一般的に,NMT復号器は左から右への変換を生成する。結果として,生成された翻訳からの左右のターゲット側のコンテキストのみが利用され,一方,右から左へのターゲット側のコンテキストは,完全に翻訳のために利用されていない。本論文では,NMTに対する非同期双方向復号化を探索するために,後方復号器を導入することにより,従来の注意符号器-復号器NMTフレームワークを拡張した。符号化後の第一段階において,著者らの後方復号器は,右から左の方法で目標側の隠れ状態を生成するために学習する。次に,翻訳予測の各時間ステップにおいて,著者らのフォワード復号器は,2つの注意モデルを通して,ソースサイドと逆ターゲットサイド隠れ状態の両方を同時に考慮した。以前のモデルと比較して,このアーキテクチャにおける革新は,著者らのモデルをソース側とターゲット側の両方からのコンテキストを完全に利用することを可能にし,それは全体として翻訳品質を改善する。このモデルの有効性を調べるために,NIST China-英語,WMT英語-ドイツ語およびフィンランド語-英語翻訳タスクに関する実験を行った。実験結果は,以下のことを示した。(1)著者らの改良RNNベースのNMTモデルは,それぞれ1.44/-3.02,1.11/-1.01,1.23/-1.27平均BLEUとTERポイントによって,従来のRNNSarchより著しい改善を達成した。そして,(2)著者らの強化された変換器は,それぞれ,1.56/-1.49,1.76/-2.49,および1.29/-1.33の平均BLEUとTER点によって,標準変換器より優れている。著者らはhttps://github.com/DeepLearnXMU/ABD-NMTで著者らのコードをリリースした。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *復号化 ,  変換器 ,  英語 ,  品質 ,  符号器 ,  *機械翻訳 ,  モデル ,  有効性 ,  ドイツ語 ,  復号器 ,  予測 ,  コミュニティ ,  計算機アーキテクチャ
準シソーラス用語： フィンランド語 ,  *神経 , 【Automatic Indexing@JST】

著者キーワード (3件)： 神経機械翻訳 ,  双方向復号化 ,  注意機構

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 非同期 ,  双方向 ,  復号化 ,  神経 ,  機械翻訳 ,  目標 ,  文脈