Neuronale Maschinelle Übersetzung durch gemeinsames Lernen von Ausrichtung und Übersetzung

Die neuronale Maschinübersetzung ist ein kürzlich vorgeschlagener Ansatz für die Maschinübersetzung. Im Gegensatz zur traditionellen statistischen Maschinübersetzung strebt die neuronale Maschinübersetzung an, ein einzelnes neuronales Netzwerk zu erstellen, das gemeinsam angepasst werden kann, um die Übersetzungsleistung zu maximieren. Die kürzlich vorgeschlagenen Modelle für die neuronale Maschinübersetzung gehören häufig zu der Familie der Encoder-Decoder-Architekturen und bestehen aus einem Encoder, der einen Quellensatz in einen Vektor fester Länge kodiert, aus dem dann ein Decoder eine Übersetzung generiert. In dieser Arbeit gehen wir davon aus, dass die Verwendung eines Vektors fester Länge eine Engstelle bei der Verbesserung der Leistung dieser grundlegenden Encoder-Decoder-Architektur darstellt. Wir schlagen daher vor, diese Architektur durch das Erlaubnis des automatischen (weichen) Suchens nach Teilen des Quellsatzes zu erweitern, die für die Vorhersage eines Zielsatzes relevant sind, ohne dass diese Teile explizit als hartes Segment gebildet werden müssen. Mit diesem neuen Ansatz erreichen wir eine Übersetzungsleistung, die vergleichbar mit den existierenden state-of-the-art phrasenbasierten Systemen bei der Aufgabe der Englisch-Französisch-Übersetzung ist. Darüber hinaus zeigt eine qualitative Analyse, dass die (weichen) Zuordnungen, die das Modell findet, gut mit unserer Intuition übereinstimmen.请注意，虽然您的要求中提到“使其更符合法语读者的阅读习惯”，但这里应该是“使其更符合德语读者的阅读习惯”。我已经根据德语的表达习惯进行了相应的调整。