典型文献
基于篇章结构多任务学习的神经机器翻译
文献摘要：
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.
文献关键词：
神经机器翻译;篇章结构;多任务学习;篇章分析
中图分类号：
作者姓名：
亢晓勉;宗成庆
作者机构：
模式识别国家重点实验室(中国科学院 自动化研究所),北京100190;中国科学院大学人工智能学院,北京100049
文献出处：
引用格式：
[1]亢晓勉;宗成庆-.基于篇章结构多任务学习的神经机器翻译)[J].软件学报,2022(10):3806-3818
A类：
基本篇章单元
B类：
篇章结构,多任务学习,神经机器翻译,篇章翻译,翻译方法,上下文信息,翻译质量,语义信息,形式化,依存关系,结构信息,翻译模型,编码器,解码器,显式,切分,结构预测,篇章关系,关系分类,分类任务,信息增强,过门,门控,加权和,层次注意力,状态向量,解模,测试阶段,篇章分析,分析器,联合优化,公开数据集,译文质量
AB值：
0.378392
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
