PePe: Personalized Post-editing Model utilizing User-generated Post-edits

要約

タイトル: PePe: ユーザー生成のポスト編集を利用したパーソナライズされたポスト編集モデル

要約:

-機械翻訳の分野では、個人的な好みを反映することが重要である。

-本論文は、個性的な振る舞いを考慮した文の生成に優れたパーソナライズされた自動ポスト編集フレームワークを紹介する。

-このフレームワークを構築するために、実際のユーザーが、翻訳するためのソース文章を入力し、翻訳された文章をユーザーの好みに従って編集したデータを収集する。

-次に、APEフレームワークにおいて、識別器モジュールとユーザー固有のパラメーターを組み合わせたモデルを提案する。

-実験結果は、BLEU、TER、YiSi-1、および人間の評価の4つの異なるメトリックにおいて、提案手法が他のベースラインモデルを上回ることを示している。

要約(オリジナル)

Incorporating personal preference is crucial in advanced machine translation tasks. Despite the recent advancement of machine translation, it remains a demanding task to properly reflect personal style. In this paper, we introduce a personalized automatic post-editing framework to address this challenge, which effectively generates sentences considering distinct personal behaviors. To build this framework, we first collect post-editing data that connotes the user preference from a live machine translation system. Specifically, real-world users enter source sentences for translation and edit the machine-translated outputs according to the user’s preferred style. We then propose a model that combines a discriminator module and user-specific parameters on the APE framework. Experimental results show that the proposed method outperforms other baseline models on four different metrics (i.e., BLEU, TER, YiSi-1, and human evaluation).

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI