초록
신경망 기계 번역은 최근 제안된 기계 번역 접근 방식입니다. 전통적인 통계적 기계 번역과 달리, 신경망 기계 번역은 단일 신경망을 구축하여 번역 성능을 최대화하도록 공동으로 조정하는 것을 목표로 합니다. 최근에 제안된 신경망 기계 번역 모델들은 대부분 인코더-디코더 계열에 속하며, 이는 소스 문장을 고정 길이 벡터로 인코딩한 후 디코더가 이를 통해 번역을 생성하는 구조를 가지고 있습니다. 본 논문에서는 고정 길이 벡터의 사용이 이 기본 인코더-디코더 아키텍처의 성능 향상에 걸림돌이 된다고 가정하고, 모델이 소스 문장의 관련 부분을 자동으로 (부드럽게) 검색할 수 있도록 확장하는 방법을 제안합니다. 이러한 부분들을 명시적으로 하드 세그먼트로 형성하지 않아도 됩니다. 이 새로운 접근 방식을 통해 우리는 영어-프랑스어 번역 작업에서 기존 최고 수준의 구문 기반 시스템과 비교 가능한 번역 성능을 달성하였습니다. 또한 정성적 분석 결과, 모델이 찾은 (부드러운) 정렬이 우리의 직관과 잘 일치함을 확인할 수 있었습니다.