依存边转换翻译规则生成器

摘要

统计机器翻译模型,特别是基于句法的翻译模型,其翻译单元在保留足够的翻译信息以及翻译单元在翻译新句子时的泛化能力上始终存在着一个平衡.神经网络被成功用于统计机器翻译模型中的调序和语言生成中.本文提出了一个新颖的基于神经网络的句法翻译规则生成器——依存边转换翻译规则生成器(DETG),它利用一条转换翻译规则的源端以及源端的上下文作为输入,以依存边转换翻译规则的目标端作为输出.它不仅保留了依存边——这种最简单的句法翻译规则的灵活性,保证了翻译规则的泛化能力,同时通过上下文信息增强了转换翻译规则的匹配能力.生成器的结构非常简洁,它将翻译规则的源端作为输入,同时生成翻译规则目标端的对应翻译以及依存边的位置关系.我们使用生成器对解码时所用到的依存边转换翻译规则打分.在三个NIST测试集上的实验显示,相较于基线系统,平均有1.39个BLEU值的提升.