Incorporating External Annotation to improve Named Entity Translation in NMT
Incorporating External Annotation to improve Named Entity Translation in NMT
复制标题
结合外部注释来改进 NMT 中的命名实体翻译
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
A. Waibel
中科院分区：
文献类型：
--
作者：
Maciej Modrzejewski;M. Exel;Bianka Buschbeck;Thanh;A. Waibel
命名实体（NEs）的正确翻译仍然是传统神经机器翻译（NMT）系统面临的挑战。本研究探讨了将命名实体识别（NER）纳入NMT的方法，旨在改善命名实体翻译。提出了一种利用源因子将命名实体和inside - outside - begin （IOB）标注集成到神经网络输入中的标注方法。我们对英语→德语和英语→中文的实验表明，仅仅通过包括不同的NE类和IOB标记，我们可以使用WMT2019的标准测试集将BLEU分数提高约1分，并且在强基线上实现高达12%的NE翻译率提高。
The correct translation of named entities (NEs) still poses a challenge for conventional neural machine translation (NMT) systems. This study explores methods incorporating named entity recognition (NER) into NMT with the aim to improve named entity translation. It proposes an annotation method that integrates named entities and inside–outside–beginning (IOB) tagging into the neural network input with the use of source factors. Our experiments on English→German and English→ Chinese show that just by including different NE classes and IOB tagging, we can increase the BLEU score by around 1 point using the standard test set from WMT2019 and achieve up to 12% increase in NE translation rates over a strong baseline.
使用吉布斯采样的 MIMO 信道估计中的权重优化
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
Shota Hayakawa;Nobuyuki Hirami;Ibuki Nakamura;and Hisato Fujisaka;宮北和之，佐藤風雅，中野敬介;堀川裕貴・石川博康;佐々木重信・齋藤瑞奈;中馬健士郎 眞田幸俊
通讯作者：
中馬健士郎 眞田幸俊