A fully discriminative training framework for Statistical Machine Translation - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

Un cadre d'apprentissage intégralement discriminant pour la traduction statistique

A fully discriminative training framework for Statistical Machine Translation

Résumé

A major pitfall of existing statistical machine translation systems is their lack of a proper training procedure. In fact, the phrase extraction and scoring processes that underlie the construction of the translation model typically rely on a chain of crude heuristics, a situation deemed problematic by many. In this paper, we recast machine translation in the familiar terms of a probabilistic structure learning problem, using a standard log-linear parameterization. The tractability of this enterprise is achieved through an efficient implementation that can take into account all the aspects of the underlying translation process through latent variables. We also address the reference reachability issue by using oracle decoding techniques. This approach is experimentally contrasted with a state-of-the-art system on the French-English BTEC translation task.
Une faiblesse des systèmes de traduction statistiques est le caractère ad hoc du processus d'apprentissage, qui repose sur un empilement d'heuristiques et conduit à apprendre des paramètres dont la valeur est sous-optimale. Dans ce travail, nous reformulons la traduction automatique sous la forme familière de l'apprentissage d'un modèle probabiliste structuré utilisant une paramérisation log-linéaire. Cette entreprise est rendue possible par le développement d'une implantation efficace qui permet en particulier de prendre en compte la présence de variables latentes dans le modèle. Notre approche est comparée, avec succès, avec une approche de l'état de l'art sur la tâche de traduction de données du BTEC pour le couple Français-Anglais.
Fichier principal
Vignette du fichier
perdu.pdf (239.15 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-01908381 , version 1 (16-12-2022)

Identifiants

  • HAL Id : hal-01908381 , version 1

Citer

Thomas Lavergne, Alexandre Allauzen, François Yvon. A fully discriminative training framework for Statistical Machine Translation. 20ème Conférence sur le Traitement Automatique des Langues Naturelles, Jun 2013, Batz-les-Bains, France. ⟨hal-01908381⟩
45 Consultations
4 Téléchargements

Partager

Gmail Facebook X LinkedIn More