[论文解读] Korean-to-Chinese Machine Translation using Chinese Character as Pivot Clue

Jeonghyeok Park, Hai Zhao|arXiv (Cornell University)|Nov 25, 2019

Natural Language Processing Techniques参考文献 37被引用 5

一句话总结

本论文提出了一种基于语言学动机的方法，通过将汉字词转换为中文字符作为中间提示，以改进韩语到中文的神经机器翻译。在训练过程中，通过将韩语内容词替换为其对应的中文字符，模型实现了最高1.5 BLEU点的性能提升，尤其在RNN和Transformer架构下显著增强了同音词歧义消解和翻译质量。

ABSTRACT

Korean-Chinese is a low resource language pair, but Korean and Chinese have a lot in common in terms of vocabulary. Sino-Korean words, which can be converted into corresponding Chinese characters, account for more than fifty of the entire Korean vocabulary. Motivated by this, we propose a simple linguistically motivated solution to improve the performance of the Korean-to-Chinese neural machine translation model by using their common vocabulary. We adopt Chinese characters as a translation pivot by converting Sino-Korean words in Korean sentences to Chinese characters and then train the machine translation model with the converted Korean sentences as source sentences. The experimental results on Korean-to-Chinese translation demonstrate that the models with the proposed method improve translation quality up to 1.5 BLEU points in comparison to the baseline models.

研究动机与目标

• 通过利用两种语言之间的共享词汇，解决韩语到中文机器翻译中的低资源挑战。
• 在无需大规模平行语料库的情况下，提升低资源设置下的翻译质量。
• 探讨语言特征（特别是汉字词）是否能够提升神经机器翻译性能。
• 评估在RNN和Transformer架构的NMT模型中，使用中文字符作为中间提示的有效性。
• 研究字符级转换是否有助于在韩语到中文翻译中消解同音词歧义。

提出的方法

• 使用韩文-汉字转换工具，将韩语文本中的汉字词转换为其对应的中文字符。
• 将转换后的字符化韩语文本作为新源输入，用于NMT模型的训练。
• 在修改后的训练数据上，使用共享源语和目标语词汇，训练基于RNN和Transformer的NMT模型。
• 通过中文字符实现韩语和中文之间在书写形式和词汇表达上的共享，以加强语义对齐。
• 将该方法应用于低资源韩语到中文翻译任务，重点提升在缺乏大规模平行语料情况下的性能。
• 使用BLEU和ROIC指标评估不同句长和同音词情况下的翻译质量与词汇重叠度。

实验结果

研究问题

• RQ1 将韩语中的汉字词转换为中文字符，是否能提升低资源韩语到中文机器翻译的性能？
• RQ2 将中文字符用作语言学中间提示，是否能增强模型在韩语到中文翻译中消解同音词歧义的能力？
• RQ3 该方法在不同NMT架构（如RNN和Transformer）上的表现如何？
• RQ4 该方法在长句和复杂句上的翻译质量提升程度如何？
• RQ5 通过中文字符共享的词汇能否作为低资源翻译中的有效语言信号？

主要发现

• 与基线模型相比，该方法在韩语到中文翻译任务中，翻译质量最高提升了1.5 BLEU点。
• 该方法显著提升了韩语中同音词的歧义消解能力，基线模型在处理同一词语的多种含义时表现不佳。
• 性能提升在基于RNN和Transformer的NMT模型中均保持一致，表明该方法具有广泛的适用性。
• 该模型在所有长度的句子中均表现出更高的翻译质量，且随着句长增加至200个词符，性能进一步提升。
• 使用中文字符作为中间提示，显著加强了源语和目标语词汇之间的语义对齐，尤其对汉字词汇项效果显著。
• 该方法是首个将基于语言学动机、字符级中间提示策略应用于低资源韩语到中文NMT的研究，展示了其在其他具有共享词汇的语言对中的潜力。