基于聯(lián)合注意力機(jī)制的篇章級(jí)機(jī)器翻譯

李京諭，馮 洋

(1. 中國(guó)科學(xué)院 計(jì)算技術(shù)研究所 智能信息處理重點(diǎn)實(shí)驗(yàn)室，北京 100190；2. 中國(guó)科學(xué)院大學(xué)，北京 100049)

0 引言

神經(jīng)機(jī)器翻譯(neural machine translation, NMT)是目前主流的一種機(jī)器翻譯建模方法[1-3]，利用神經(jīng)網(wǎng)絡(luò)搭建翻譯模型，并采用端到端(end-to-End)的方式進(jìn)行優(yōu)化。神經(jīng)機(jī)器翻譯提出至今，主要的關(guān)注點(diǎn)都在于句子級(jí)的翻譯，即給定一個(gè)段落，翻譯模型逐句進(jìn)行翻譯，句子與句子之間是相互獨(dú)立的，這忽略了篇章上下文信息在翻譯過(guò)程中的影響。一方面，在翻譯一個(gè)完整的段落時(shí)，句子與句子之間需要保持一致和連貫，如果忽略篇章上下文的信息，則可能造成語(yǔ)義不連貫、語(yǔ)句不通順的現(xiàn)象。另一方面，篇章上下文信息可以提供給句子一些輔助信息，在翻譯的過(guò)程中減少句子存在的歧義問(wèn)題。

神經(jīng)機(jī)器翻譯中根據(jù)注意力機(jī)制對(duì)源語(yǔ)言句子中的所有詞語(yǔ)生成對(duì)齊概率，這種對(duì)所有詞語(yǔ)進(jìn)行計(jì)算的方式被稱(chēng)為“軟關(guān)注”(soft attention)。在篇章級(jí)別的機(jī)器翻譯中，篇章中的上下文信息有篇幅長(zhǎng)、信息量多的特點(diǎn)，但在實(shí)際情況下，對(duì)翻譯句子有幫助的篇章信息往往十分有限。在篇章信息存在大量冗余的情況下，采用傳統(tǒng)的注意力機(jī)制在篇章機(jī)器翻譯中很難從中提取對(duì)翻譯有實(shí)際幫助的信息，這在篇章機(jī)器翻譯中是一個(gè)不可忽視的問(wèn)題。針對(duì)篇章信息冗余的現(xiàn)象，本文提出一種“硬關(guān)注”(hard attention)的方式計(jì)算注意力，并應(yīng)用在篇章機(jī)器翻譯的任務(wù)上?！败涥P(guān)注”的方式計(jì)算注意力時(shí)，每個(gè)輸入對(duì)應(yīng)的隱狀態(tài)都參與了權(quán)重計(jì)算，這種方法便于訓(xùn)練中梯度的反向傳播。對(duì)應(yīng)地，我們提出在對(duì)篇章信息進(jìn)行注意力計(jì)算時(shí)，只賦予0 和1 這兩種權(quán)重，這也使得模型難以進(jìn)行梯度更新。因此，我們?cè)谄路g中通過(guò)強(qiáng)化學(xué)習(xí)[4]對(duì)硬關(guān)注模型梯度更新。在這里，引入強(qiáng)化學(xué)習(xí)有兩個(gè)目的。其一是由于硬關(guān)注機(jī)制在離散的信號(hào)中梯度無(wú)法回傳。通過(guò)強(qiáng)化學(xué)習(xí)的方法，我們可以獲得注意力機(jī)制的獎(jiǎng)勵(lì)信號(hào)，從而對(duì)模型進(jìn)行梯度更新。其二是由于求解注意力本身是一個(gè)無(wú)監(jiān)督、無(wú)標(biāo)簽的問(wèn)題，所以無(wú)法采用有監(jiān)督的任務(wù)中神經(jīng)網(wǎng)絡(luò)的損失函數(shù)對(duì)注意力進(jìn)行建模，而強(qiáng)化學(xué)習(xí)的方法可以解決這個(gè)問(wèn)題。

本文提出了一種聯(lián)合注意力機(jī)制，將硬關(guān)注和軟關(guān)注兩種注意力機(jī)制相結(jié)合，共同在篇章級(jí)機(jī)器翻譯模型中對(duì)篇章上下文建模。聯(lián)合注意力機(jī)制的關(guān)鍵思想是通過(guò)“hard”的方法篩選出對(duì)翻譯當(dāng)前句子有幫助的部分篇章上下文的相關(guān)狀態(tài)，在翻譯的每一步對(duì)候選狀態(tài)用“soft”的方式進(jìn)一步提取篇章信息，通過(guò)兩種注意力模型結(jié)合的方式得到每一步的篇章上下文的向量表示。利用在原始的神經(jīng)機(jī)器翻譯模型中融入篇章信息，構(gòu)成一個(gè)針對(duì)篇章數(shù)據(jù)的神經(jīng)機(jī)器翻譯模型。在兩個(gè)不同領(lǐng)域數(shù)據(jù)集上的實(shí)驗(yàn)表明，通過(guò)聯(lián)合注意力機(jī)制引入篇章信息的方法對(duì)機(jī)器翻譯模型的性能有明顯的提升。

1 相關(guān)研究

注意力機(jī)制被提出以來(lái)，已廣泛應(yīng)用到了包括自然語(yǔ)言處理在內(nèi)的許多研究領(lǐng)域。雖然注意力機(jī)制最初是被用在機(jī)器翻譯領(lǐng)域，但隨后在各種任務(wù)上都占有一席之地，針對(duì)注意力的改進(jìn)也一直是研究的熱點(diǎn)。在機(jī)器翻譯中，許多研究針對(duì)注意力機(jī)制提出優(yōu)化和改進(jìn)。針對(duì)上下文信息較長(zhǎng)的情況下注意力機(jī)制對(duì)齊困難的現(xiàn)象，Luong等[5]提出了局部注意力(local attention)機(jī)制，在計(jì)算注意力尋找源端對(duì)齊信息的時(shí)候，局部注意力僅對(duì)一個(gè)窗口范圍內(nèi)的詞進(jìn)行分布式表示，而不是對(duì)整個(gè)句子的所有源端表示做加權(quán)求和，通過(guò)一個(gè)位置對(duì)齊參數(shù)計(jì)算當(dāng)前時(shí)刻對(duì)應(yīng)注意力的位置，然后對(duì)一個(gè)固定大小的窗口范圍內(nèi)所有的隱狀態(tài)進(jìn)行權(quán)重計(jì)算。Vaswani等[3]提出的自注意力(self-attention)和多頭注意力(multi-head attention)也是對(duì)注意力機(jī)制的改進(jìn)形式。

近年來(lái)，篇章級(jí)機(jī)器翻譯逐漸成為機(jī)器翻譯領(lǐng)域里的一個(gè)研究熱點(diǎn)。Wang等[6]首先嘗試在神經(jīng)機(jī)器翻譯模型中引入篇章信息，在RNNSearch 模型的基礎(chǔ)上利用層次化的循環(huán)神經(jīng)網(wǎng)絡(luò)建模篇章信息，采用兩個(gè)級(jí)別的RNN 分別對(duì)詞向量和句子向量進(jìn)行編碼，得到代表整個(gè)篇章信息的向量表征。Jean等[7]在RNNSearch模型中加入一套額外的編碼器和注意力機(jī)制，將篇章的前一個(gè)句子的信息引入神經(jīng)機(jī)器翻譯模型中。Tu等[8]為篇章信息設(shè)計(jì)了一個(gè)類(lèi)似高速緩存(cache)的結(jié)構(gòu)，Maruf等[9]采用額外的記憶單元(memory networks)存儲(chǔ)篇章信息，以擴(kuò)大對(duì)篇章信息的利用范圍。在基于自注意力機(jī)制的Transformer 模型的基礎(chǔ)上，Miculicich等[10]實(shí)現(xiàn)了基于多頭注意力機(jī)制的層次化網(wǎng)絡(luò)，分別對(duì)篇章進(jìn)行詞級(jí)別和句子級(jí)別的表示。Zhang等[11]在Transformer 模型中加入一個(gè)額外的篇章信息編碼器，對(duì)篇章中源端的歷史句子進(jìn)行編碼。Xiong等[12]提出了一種多輪解碼方案，將篇章一致性作為強(qiáng)化學(xué)習(xí)的一個(gè)獎(jiǎng)勵(lì)函數(shù)來(lái)優(yōu)化模型。

2 基線系統(tǒng)

其中，y

2.1 編碼器

給定一個(gè)源端序列x=(x1,x2,…,xI)，I表示源端句子的長(zhǎng)度。由于注意力機(jī)制在建模中丟失了時(shí)序信息，在Transformer中采用了一個(gè)Positional Encoding層擬合了位置編碼函數(shù)來(lái)模擬詞語(yǔ)序列的時(shí)序信息，如式(2)～式(3)所示。

通過(guò)詞向量和Positional Encoding層相加的方式，可以得到源端語(yǔ)言句子x的向量表示Ex=[E(x1);…;E(xl)]∈Rdmodel×l,dmodel表示模型的隱層單元個(gè)數(shù)大小。

Transformer編碼器由Nc層相同的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成，每一層都由一個(gè)多頭注意力子層和一個(gè)前向神經(jīng)網(wǎng)絡(luò)子層組成。多頭注意力模塊對(duì)源語(yǔ)言輸入序列之間的依賴關(guān)系建模，捕獲源語(yǔ)言句子中的內(nèi)部結(jié)構(gòu)，編碼器中第n層計(jì)算如式(4)所示。

其中，A(n)∈Rdmodel×l表示第n層多頭注意力模塊的隱狀態(tài)，H(n-1)表示第n-1層編碼器的隱狀態(tài)。當(dāng)n=1時(shí)，第一層編碼器的輸入為H(0)=Ex。MultiHead(Q,K,V)表示多頭注意力函數(shù)，將輸入映射到h個(gè)不同的子空間進(jìn)行注意力的計(jì)算，這里Q=K=V用作計(jì)算自注意力。由于Transformer模型使用深層次的網(wǎng)絡(luò)結(jié)構(gòu)，在每?jī)蓚€(gè)子層之間都采用殘差結(jié)構(gòu)(Add)[13]和對(duì)層的規(guī)范化(LayerNorm)[14]來(lái)提升模型的能力，為簡(jiǎn)便起見(jiàn)，后文在書(shū)寫(xiě)中省略這一過(guò)程，如式(5)所示。

第二個(gè)子層是前饋網(wǎng)絡(luò)層FFN(·)，加強(qiáng)編碼器每個(gè)位置的表示能力。形式如式(6)所示。

其中，W1∈Rdmodel×dff、W2∈Rdff×dmodel分別表示可訓(xùn)練的參數(shù)矩陣。

2.2 解碼器

對(duì)目標(biāo)端序列y=(y1,y2,…,yJ)，J表示目標(biāo)端句子的長(zhǎng)度，通過(guò)目標(biāo)端的詞向量和Positional Encoding層，得到的向量表示Ey=[E(y1),…,E(yJ)]∈Rdmodel×J。

解碼器由Nc層相同的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成，每一層都由兩個(gè)多頭注意力子層和一個(gè)前饋網(wǎng)絡(luò)子層組成，如式(8)～式(9)所示。

第一個(gè)多頭注意力子層計(jì)算自注意力，對(duì)目標(biāo)端序列之間的依賴關(guān)系建模。解碼器的第一層輸入為S(0)=Ey。第二個(gè)多頭注意力子層用于建模目標(biāo)語(yǔ)言與源端語(yǔ)言之間的依賴關(guān)系，多頭注意力的輸入為編碼器最頂層的隱狀態(tài)(K=V)。最后通過(guò)前饋網(wǎng)絡(luò)子層，加強(qiáng)解碼器的表示能力，如式(10)所示。

其中，S(n)∈Rdmodel×J為第n層解碼器的隱狀態(tài)(n=1,…,Nc)。

將解碼器頂層的隱狀態(tài)S(Nc)=(s1,…,sJ)映射到目標(biāo)端詞表的空間，經(jīng)過(guò)softmax函數(shù)計(jì)算得到對(duì)目標(biāo)端的概率分布，對(duì)第j個(gè)位置，如式(11)所示。

其中，WO∈R|Vy|×dmodel是一個(gè)參數(shù)矩陣，Vy表示目標(biāo)端詞表，sj∈Rdmodel×1表示解碼器頂層SNc第j個(gè)位置的隱狀態(tài)。

3 基于聯(lián)合注意力的篇章機(jī)器翻譯

3.1 問(wèn)題定義

(12)

其中，X

前人的研究工作中[6-7,11]，由于目標(biāo)端依次解碼帶來(lái)的誤差累積問(wèn)題，目標(biāo)端的篇章信息Y

(13)

我們提出的模型如圖1所示，這里只示意了模型的編碼器結(jié)構(gòu)，模型的解碼器與原始Transformer模型中相同，在圖中沒(méi)有給出具體的細(xì)節(jié)描述。聯(lián)合注意力機(jī)制分為硬關(guān)注和軟關(guān)注兩個(gè)部分。其中，硬關(guān)注是對(duì)篇章上下文和源端句子之間的關(guān)系建模，相當(dāng)于從上下文中選擇一個(gè)子集，能夠?yàn)榉g當(dāng)前句子篩選出所有需要的篇章上下文的部分。軟關(guān)注在源端句子的每一個(gè)位置對(duì)硬關(guān)注選擇的集合進(jìn)行更進(jìn)一步的計(jì)算，從而動(dòng)態(tài)地獲得翻譯不同位置時(shí)篇章信息的向量表示。

圖1 基于聯(lián)合注意力機(jī)制的編碼器結(jié)構(gòu)

其中，H(doc)∈Rdmodel×L為篇章上下文的向量表示，L表示篇章信息的長(zhǎng)度。

聯(lián)合注意力模型中，根據(jù)源語(yǔ)言句子和篇章上下文的向量表示計(jì)算注意力，硬關(guān)注將注意力作為采樣的概率來(lái)選擇上下文的部分區(qū)域，可以用Attentionhard函數(shù)表示，如式(16)所示。

其中，D為聯(lián)合注意力模型得到的篇章上下文的隱狀態(tài)表示。最后將篇章信息和源語(yǔ)言編碼融合起來(lái)作為編碼器的最終表示，如式(18)所示。

3.2 基于強(qiáng)化學(xué)習(xí)的硬關(guān)注模塊

圖2 聯(lián)合注意力中的硬關(guān)注模塊

如圖2所示，采用兩個(gè)前向網(wǎng)絡(luò)分別將Hcur和Hdoc映射到不同的空間內(nèi)，如式(20)～式(21)所示。

其中，Wp∈R2×dmodel為參數(shù)矩陣，Pz(zl)表示對(duì)zl的概率分布。由此，可以求解整個(gè)標(biāo)簽序列z=z1,…,zL的概率，如式(24)所示。

(24)

3.3 基于多頭注意力的軟關(guān)注模塊

圖3 聯(lián)合注意力中的軟關(guān)注模塊和上下文門(mén)控單元

硬關(guān)注模塊篩選出與翻譯當(dāng)前句子相關(guān)的向量集合，然而，不同的篇章上下文向量在翻譯的每一個(gè)時(shí)間步的作用都占有不同的權(quán)重。因此，我們?cè)O(shè)計(jì)了軟關(guān)注模塊，如圖3所示，計(jì)算上下文表示C和Hcur之間的依賴關(guān)系，從而得到翻譯的每一個(gè)時(shí)間步中相關(guān)的篇章信息向量。

(25)

di=FFN(MultiHead(qi,C,C))

(26)

其中，fq(·)是一個(gè)線性變換函數(shù)，qi是用于計(jì)算多頭注意力的Q。MultiHead(·)表示多頭注意力函數(shù)，F(xiàn)FN(·)表示一個(gè)前饋網(wǎng)絡(luò)。

3.4 上下文門(mén)控單元

在翻譯當(dāng)前句的每個(gè)位置時(shí)，對(duì)篇章信息的依賴程度都不相同。因此，獲得篇章上下文的向量表示后，通過(guò)一個(gè)門(mén)控單元(gate)[16]學(xué)習(xí)句子與和篇章信息之間的關(guān)聯(lián)，動(dòng)態(tài)地控制句子信息和篇章信息對(duì)翻譯的影響，如圖3所示。

其中，Wh、Wd分別表示參數(shù)矩陣。λi在經(jīng)過(guò)sigmoid函數(shù)計(jì)算后輸出在0到1之間，定義了篇章信息通過(guò)的程度。

3.5 模型的訓(xùn)練

在本文提出的篇章翻譯模型中，參數(shù)可以分為兩個(gè)部分： 硬關(guān)注模塊的θr和其余所有部分的θs。

由于硬關(guān)注模塊中存在離散的過(guò)程，其目標(biāo)函數(shù)是不可微分的，對(duì)參數(shù)θr的優(yōu)化采用策略梯度算法?？梢哉J(rèn)為硬關(guān)注模型為強(qiáng)化學(xué)習(xí)中的智能體，實(shí)際上是一個(gè)策略網(wǎng)絡(luò)，其動(dòng)作空間的大小為2，每一步可以執(zhí)行選中或者未選中兩種動(dòng)作。智能體根據(jù)全局信號(hào)做出決策，在智能體執(zhí)行一系列動(dòng)作之后，收到一個(gè)環(huán)境中得到的反饋信號(hào)。這里，我們將翻譯模型生成目標(biāo)譯文的翻譯概率作為獎(jiǎng)勵(lì)，對(duì)待翻譯的數(shù)據(jù)對(duì)(x,y)和對(duì)應(yīng)的篇章上文X

參數(shù)θr的優(yōu)化學(xué)習(xí)被建模為通過(guò)策略梯度方法(即REINFORCE算法)解決的強(qiáng)化學(xué)習(xí)問(wèn)題。訓(xùn)練硬關(guān)注的總體目標(biāo)是選擇部分上下文的同時(shí)保留與翻譯相關(guān)的信息，其目標(biāo)函數(shù)是得到獎(jiǎng)勵(lì)函數(shù)的最大期望，通過(guò)翻譯概率得到，如式(30)所示。

對(duì)其余參數(shù)θs，采用原始的端到端的方式直接通過(guò)反向傳播來(lái)進(jìn)行優(yōu)化。使用交叉熵作為損失函數(shù)，其優(yōu)化目標(biāo)如式(31)所示。

硬關(guān)注模塊的訓(xùn)練過(guò)程中將翻譯模型輸出的概率作為其獎(jiǎng)勵(lì)函數(shù)，而在翻譯模型的其余參數(shù)θs的訓(xùn)練中，同樣依賴于硬關(guān)注模塊的輸出。因此，參數(shù)θr和θs兩個(gè)部分的優(yōu)化是彼此依賴的，如何進(jìn)行有效的訓(xùn)練是本文中的一大難點(diǎn)。

在實(shí)際的訓(xùn)練過(guò)程中，為了降低訓(xùn)練難度，采用預(yù)訓(xùn)練(pre-train)和交替訓(xùn)練(cross-train)的方式。首先基于最大似然估計(jì)的標(biāo)準(zhǔn)訓(xùn)練Transformer模型直至收斂，如式(32)所示。

這樣，模型能具有相對(duì)完整的表示能力。在此基礎(chǔ)上，對(duì)我們提出的模型采用交替訓(xùn)練的方式，對(duì)兩個(gè)部分的參數(shù)分別進(jìn)行訓(xùn)練，訓(xùn)練中需要把另一部分參數(shù)固定。對(duì)于θs的優(yōu)化，硬關(guān)注模型生成完整的序列之后，才能得到在翻譯中使用的篇章信息，從而通過(guò)翻譯概率計(jì)算其獎(jiǎng)勵(lì)，因此在采用式更新中，通過(guò)蒙特卡洛搜索(Monte-Carlo search)的方式得到選擇動(dòng)作序列。對(duì)參數(shù)θs進(jìn)行優(yōu)化時(shí)，也需要通過(guò)硬關(guān)注生成完整的選擇序列，采用柱搜索(beam search)的方法得到完整序列，與機(jī)器翻譯中柱搜索方式略微不同之處在于，這里生成一個(gè)定長(zhǎng)的決策序列z=(z1,…,zL)，其長(zhǎng)度與篇章上下文相同。由于硬關(guān)注模型的動(dòng)作空間非常小(選擇/不選擇)，這里柱搜索的窗口設(shè)置為2。

4 實(shí)驗(yàn)與分析

4．1 實(shí)驗(yàn)數(shù)據(jù)和指標(biāo)

我們?cè)谥杏C(jī)器翻譯任務(wù)上驗(yàn)證提出的模型，分別使用了兩個(gè)不同領(lǐng)域的篇章機(jī)器翻譯語(yǔ)料訓(xùn)練模型，統(tǒng)計(jì)信息如表1所示。其中，TED演講數(shù)據(jù)集(TED Talks)，來(lái)自于IWSLT(international workshop on spoken language translation)國(guó)際口語(yǔ)機(jī)器翻譯評(píng)測(cè)大賽2014年的評(píng)測(cè)活動(dòng)(1)https://wit3.fbk.eu，數(shù)據(jù)集收錄了TED大會(huì)中的演講稿。我們使用dev2010作為開(kāi)發(fā)集驗(yàn)證模型，tst2010—2013作為測(cè)試集檢驗(yàn)?zāi)Ｐ妥罱K的效果。第二個(gè)數(shù)據(jù)集是中英字幕數(shù)據(jù)集(TVSUB)[17]，適用于研究多輪對(duì)話、篇章翻譯等具有篇章上下文的任務(wù)，由影視劇的字幕匯編而成(2)數(shù)據(jù)來(lái)源于以下兩個(gè)字幕網(wǎng)站： http://www.zimuzu.tv, http://assrt.net。。在測(cè)試集中，每一句原文都有三句對(duì)應(yīng)的參考譯文。

對(duì)于譯文的質(zhì)量評(píng)估，使用大小寫(xiě)不敏感的BLEU-4[18]作為評(píng)價(jià)指標(biāo)，本文采用multi-bleu腳本進(jìn)行計(jì)算。

表1 數(shù)據(jù)集統(tǒng)計(jì)信息

4.2 實(shí)驗(yàn)細(xì)節(jié)

對(duì)訓(xùn)練數(shù)據(jù)，在漢語(yǔ)端使用ICTCLAS(3)http://ictclas.nlpir.org進(jìn)行了分詞預(yù)處理，英語(yǔ)端進(jìn)行了詞法預(yù)處理和小寫(xiě)化。針對(duì)神經(jīng)翻譯面對(duì)的詞匯數(shù)據(jù)稀疏問(wèn)題，在實(shí)驗(yàn)中分別采用詞和字節(jié)對(duì)編碼[19](byte pair encoding，BPE)作為基本的翻譯單元。以詞為翻譯單元的實(shí)驗(yàn)，漢語(yǔ)端和英文端都采用30K的詞表大小，在TED演講數(shù)據(jù)集上分別覆蓋98.6%和99.3%的源端和目標(biāo)端文本，在TVSUB字幕數(shù)據(jù)集上分別覆蓋98.2%和99.4%的源端和目標(biāo)端文本。以字節(jié)對(duì)編碼為翻譯單元的實(shí)驗(yàn)，BPE單元的詞匯表設(shè)置為16K，在兩個(gè)數(shù)據(jù)集上的訓(xùn)練數(shù)據(jù)中文本覆蓋率均為100%。

我們采用了Transformer Base模型的配置，詞向量維度和注意力計(jì)算的隱層單元個(gè)數(shù)都是512，前饋網(wǎng)絡(luò)的中間層單元為2 048，多頭注意力的層數(shù)為8。為了避免過(guò)擬合，我們?cè)谀Ｐ椭惺褂昧薉ropout方法，分別在編碼器和解碼器每一層的前饋網(wǎng)絡(luò)上加入，Dropout的比率設(shè)置為0.1。參數(shù)的優(yōu)化使用了批量的隨機(jī)梯度下降方法，根據(jù)數(shù)據(jù)的長(zhǎng)度對(duì)數(shù)據(jù)進(jìn)行批處理，批處理的大小限制為1 024個(gè)token以內(nèi)，學(xué)習(xí)率采用自適應(yīng)的Adam算法[20]進(jìn)行調(diào)整學(xué)習(xí)(σ=10-9,β1=0.9,β2=0.98)。 我們使用與基線系統(tǒng)相同的預(yù)熱(warm up)和衰減(decay)策略，設(shè)置warm-up的步長(zhǎng)為4 000。

在模型測(cè)試的過(guò)程中，柱搜索的窗口大小設(shè)置為10，為了減小候選譯文的長(zhǎng)度對(duì)序列得分的影響，設(shè)置長(zhǎng)度懲罰(length penalty)的系數(shù)α=0.6對(duì)候選譯文進(jìn)行重排序，選擇得分最大的作為最終輸出的譯文。

4.3 主要實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果參照表2，展示了TED Talks和TVSUB兩個(gè)中英文數(shù)據(jù)集上的BLEU-4指標(biāo)結(jié)果。

表2 不同數(shù)據(jù)集上的BLEU-4指標(biāo)

對(duì)比基于聯(lián)合注意力機(jī)制的篇章機(jī)器翻譯模型和基線系統(tǒng)Transformer模型，可以看出該文提出的模型在TED Talks數(shù)據(jù)集上BLEU值提升了+0.80，在TVSUB數(shù)據(jù)集上提升了+0.49個(gè)BLEU。對(duì)數(shù)據(jù)分別采用字節(jié)對(duì)編碼進(jìn)行處理后，我們的模型在TED Talks數(shù)據(jù)集和TVSUB數(shù)據(jù)集上比Transformer系統(tǒng)分別提升了+0.47和+0.36個(gè)BLEU，表明基于聯(lián)合注意力機(jī)制的篇章機(jī)器翻譯模型在針對(duì)不同粒度的語(yǔ)言表示方法上都能夠提升機(jī)器翻譯模型的效果。

本文提出的模型和Transformer模型中采用字節(jié)對(duì)編碼(BPE)的方式對(duì)語(yǔ)料進(jìn)行處理，翻譯模型的性能均有提升，這說(shuō)明字節(jié)對(duì)編碼可以增加詞匯表覆蓋率，改善神經(jīng)機(jī)器翻譯中數(shù)據(jù)稀疏的問(wèn)題。在模型中采用字節(jié)對(duì)編碼處理后，本文提出模型的提升沒(méi)有對(duì)原始Transformer模型的提升明顯，表明模型融合篇章信息后提升了原始Transformer模型的表達(dá)能力，與字節(jié)對(duì)編碼緩解詞匯數(shù)據(jù)稀疏問(wèn)題有所重合。

4.4 與現(xiàn)有工作的對(duì)比

表3列出的實(shí)驗(yàn)結(jié)果為T(mén)ED數(shù)據(jù)集上各系統(tǒng)的BLEU-4指標(biāo)。從中可以看出，基于RNNSearch的三個(gè)篇章級(jí)機(jī)器翻譯系統(tǒng)[6-8]BLEU值明顯低于基于Transformer模型改進(jìn)的篇章級(jí)翻譯系統(tǒng)[10]。

表3 與前人工作的實(shí)驗(yàn)結(jié)果對(duì)比

我們的模型在TED數(shù)據(jù)集上輸出的譯文BLEU值最高，在引入篇章信息的機(jī)器翻譯模型中超過(guò)了所有現(xiàn)有系統(tǒng)的表現(xiàn)，達(dá)到了最優(yōu)效果。在這里，通過(guò)與這些篇章級(jí)機(jī)器翻譯系統(tǒng)的性能對(duì)比，進(jìn)一步證明了本文提出的基于聯(lián)合注意力機(jī)制的篇章機(jī)器翻譯模型的有效性。

4.5 篇章長(zhǎng)度的影響

在實(shí)驗(yàn)所用的TED和TVSUB數(shù)據(jù)集中，一個(gè)完整的篇章通常由上百個(gè)句子構(gòu)成，將所有的句子都作為篇章信息在建模的過(guò)程中對(duì)計(jì)算能力的要求非常高，而且在翻譯的過(guò)程中考慮所有的篇章信息也并不符合直覺(jué)。因此，我們需要探究篇章信息的長(zhǎng)度對(duì)實(shí)驗(yàn)結(jié)果的影響。為了探索篇章信息的長(zhǎng)度對(duì)所提出模型的影響，我們對(duì)不同長(zhǎng)度的篇章信息做對(duì)比實(shí)驗(yàn)。這里，篇章信息的長(zhǎng)度指篇章翻譯模型中建模篇章上下文句子的數(shù)量。

表4列出結(jié)果為T(mén)ED數(shù)據(jù)集上不同篇章信息長(zhǎng)度下翻譯模型的BLEU-4指標(biāo)?？梢钥闯觯赥ransformer模型中引入篇章信息后，翻譯模型的性能均有提升。當(dāng)加入篇章句子數(shù)量為1時(shí)，模型的性能明顯低于篇章長(zhǎng)度大的系統(tǒng)。隨著篇章長(zhǎng)度的增加，翻譯的性能基本穩(wěn)定，加入句子數(shù)量為3和5的兩個(gè)系統(tǒng)基本沒(méi)有差異。當(dāng)句子數(shù)量為7時(shí)，系統(tǒng)的性能相比句子數(shù)量為3和5的系統(tǒng)略微有下降?？傮w上，我們的模型可以在篇章信息較長(zhǎng)的情況下依然維持比較好的性能，證明了我們的方法處理大量冗余信息的有效性。

表4 不同篇章長(zhǎng)度下的實(shí)驗(yàn)結(jié)果

5 總結(jié)與展望

針對(duì)篇章級(jí)機(jī)器翻譯中篇幅長(zhǎng)、信息冗余的問(wèn)題，本文提出了一種將硬關(guān)注和軟關(guān)注兩種注意力相結(jié)合的聯(lián)合注意力機(jī)制對(duì)篇章信息建模，并將其應(yīng)用在篇章級(jí)別的神經(jīng)機(jī)器翻譯模型中。在兩個(gè)不同領(lǐng)域的公開(kāi)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，基于聯(lián)合注意力機(jī)制引入篇章信息的方法對(duì)機(jī)器翻譯模型的翻譯效果均有明顯的提升。不同篇章長(zhǎng)度下的實(shí)驗(yàn)結(jié)果表明，本文提出的模型在處理長(zhǎng)篇章時(shí)依然能維持其翻譯的性能，證明本文提出的聯(lián)合注意力機(jī)制可以有效地處理冗余的篇章信息。

在篇章結(jié)構(gòu)的數(shù)據(jù)中，遠(yuǎn)距離的語(yǔ)義依賴關(guān)系是廣泛存在的。如何挖掘篇章中更多潛在語(yǔ)義信息以及語(yǔ)句之間的遞進(jìn)關(guān)系，為篇章翻譯提供更加準(zhǔn)確的語(yǔ)境信息，是一個(gè)值得我們?cè)谖磥?lái)的工作中進(jìn)一步探索的問(wèn)題。