Adaptation for Neural Machine Translation

目标:7月把NMT adaptation文章通读下

场景:假设储备了大量新闻领域双语语料,少量科技领域双语语料(或者没有),科技领域单语语料(大量、少量或者没有)的大菜鸟翻译公司,接到一个科技领域的翻译项目。如何使用现有资源去尽可能的把科技领域的翻译做好。

问题:这里的科技领域就是in-domain,新闻领域是out-domain。如何使用数量有限的in-domain parallel corpus和相对丰富的out-domain parallel corpus来更好地提升in-domain translation performance。

论文阅读:

1. A Survey of Domain Adaptation for Neural Machine Translation

https://arxiv.org/pdf/1806.00258.pdf

文章给做了个简单的归类:

1. Data Centric

  • Using Monolingual Corpora
  • Synthetic Paralle Corpora Generation
  • Using Out-of-Domain Parallel Corpora
    • Multi-Domain
    • Data Selection  

2. Model Centric

  • Training Objective Centric
    • Instance/Cost Weighting
    • Fine Tuning
    • Mixed Fine Tuning
    • Regularization
  • Architecture Centric
    评论
    添加红包

    请填写红包祝福语或标题

    红包个数最小为10个

    红包金额最低5元

    当前余额3.43前往充值 >
    需支付:10.00
    成就一亿技术人!
    领取后你会自动成为博主和红包主的粉丝 规则
    hope_wisdom
    发出的红包
    实付
    使用余额支付
    点击重新获取
    扫码支付
    钱包余额 0

    抵扣说明:

    1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
    2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

    余额充值