Viterbi Decoding of Directed Acyclic Transformer for Non-Autoregressive Machine Translation

要約

非自己回帰モデルは、ニューラル機械翻訳で大幅なデコード速度の向上を達成しますが、順次依存関係をキャプチャする機能が不足しています。
有向非巡回変換器 (DA-Transformer) は、有向非巡回グラフを使用して順次依存関係をモデル化するために最近提案されました。
その結果、推論時に順次決定プロセスを適用する必要があり、グローバルな翻訳精度が損なわれます。
この論文では、DA-Transformer の Viterbi デコーディング フレームワークを提示します。このフレームワークは、任意の長さの制約の下で、変換パスとデコーディング パスの最適解を同時に見つけることを保証します。
実験結果は、私たちのアプローチが、同様のデコードスピードアップを維持しながら、DA-Transformer のパフォーマンスを一貫して改善することを示しています。

要約(オリジナル)

Non-autoregressive models achieve significant decoding speedup in neural machine translation but lack the ability to capture sequential dependency. Directed Acyclic Transformer (DA-Transformer) was recently proposed to model sequential dependency with a directed acyclic graph. Consequently, it has to apply a sequential decision process at inference time, which harms the global translation accuracy. In this paper, we present a Viterbi decoding framework for DA-Transformer, which guarantees to find the joint optimal solution for the translation and decoding path under any length constraint. Experimental results demonstrate that our approach consistently improves the performance of DA-Transformer while maintaining a similar decoding speedup.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google