[论文解读] Personalized Machine Translation: Preserving Original Author Traits

Ella Rabinovich, Shachar Mirkin+3 more|arXiv (Cornell University)|Oct 18, 2016

Authorship Attribution and Profiling被引用 4

一句话总结

本文提出了一种性别感知的统计机器翻译（SMT）系统，通过使用性别标注的平行语料进行领域自适应技术，保留翻译中的作者性别特征。实验表明，个性化SMT模型在保持翻译质量的同时，显著优于标准模型保留性别标记，表明原始文本中的性别信号在人工翻译和机器翻译中均会丢失。

ABSTRACT

The language that we produce reflects our personality, and various personal and demographic characteristics can be detected in natural language texts. We focus on one particular personal trait of the author, gender, and study how it is manifested in original texts and in translations. We show that author's gender has a powerful, clear signal in originals texts, but this signal is obfuscated in human and machine translation. We then propose simple domain-adaptation techniques that help retain the original gender traits in the translation, without harming the quality of the translation, thereby creating more personalized machine translation systems.

研究动机与目标

• 调查原始文本中的性别特征在人工翻译和机器翻译过程中是否得以保留。
• 评估性别标记在人工翻译和自动翻译中被模糊化的程度。
• 开发并评估将性别信息融入SMT系统的领域自适应技术。
• 构建一个标注了性别和年龄的新型平行语料库，用于多语言评估。
• 证明个性化SMT可在保持翻译质量的同时，增强对原始作者特征的风格保真度。

提出的方法

• 为英语、法语和德语的新型平行语料库（Europarl）标注性别和年龄信息。
• 训练标准SMT系统，并通过使用性别标注的平行语料应用领域自适应技术，构建性别感知的SMT模型。
• 使用InfoGain特征选择方法识别源语言和目标语言中具有性别区分性的词汇。
• 比较原始文本、人工翻译和自动翻译（SMT与个性化SMT）中性别分类的准确率。
• 通过在平行语料的性别特定子集上微调，应用个性化SMT模型以保留作者特征。
• 分析翻译输出中的性别标记（例如，‘really’与‘exactly’，‘think’与‘believe’）以评估个性化效果。

实验结果

研究问题

• RQ1 与原始文本相比，性别特征在人工翻译和机器翻译中保留的程度如何？
• RQ2 为何在人工翻译中性别分类的难度高于SMT输出？
• RQ3 能否使用领域自适应技术构建保留作者性别标记的性别感知SMT系统？
• RQ4 源语言中的性别标记如何影响目标语言翻译中的性别特征？
• RQ5 哪些特定的词汇和句法特征反映了原文和翻译文本中的性别差异？

主要发现

• 性别在原始文本中具有强烈的信号，但在人工翻译和自动翻译中该信号显著减弱。
• 人工翻译的性别分类准确率低于SMT，表明人工翻译者可能比SMT系统更倾向于掩盖性别标记。
• 性别感知SMT模型在翻译文本中的性别分类准确率高于标准SMT，且未降低整体翻译质量。
• 翻译过程产生了一种混合性别信号，其中源语言的性别标记主导了目标语言的性别特征。
• 英语中特定的词汇标记如‘really’（女性）和‘exactly’（男性）在个性化SMT输出中得以保留或重新引入，证明了有效个性化。
• 源语言的选择显著影响翻译中性别标记的可检测性，其中德语和法语源语言在英语翻译中表现出更强的性别信号持久性。