结合生成式对抗网络的神经机器翻译研究

摘要

针对如何进一步提升神经机器翻译精度的问题,提出了一种将生成式对抗网络(GAN)应用于神经机器翻译(NMT)的方法.构建一个条件序列生成对抗网,它包括两个对抗子模型,一个生成器和一个判别器.该生成器旨在生成难以与人类翻译的句子区分开的句子,判别器旨在将生成器生成的句子与人类翻译的句子区分开来.另外,静态句子级BLEU值将会作为强化目标作用于生成器.在训练过程中,动态的判别器和静态的BLEU目标都用于评估生成的句子,并将评估结果反馈给生成器,来指导生成器的学习.实验结果表明,在英-德翻译数据集上,在引入生成式对抗网络后,相比于传统的基于循环神经网络(RNN)的神经机器翻译模型,翻译效果得到了一定的提升.