基于用户生成文本内容的面向用户个性化机器翻译系统

视频

DOI

机器翻译（MT）一直是协助多语言交流与协作的有用工具。近年来，借助神经网络和深度学习的激动人心的发展，机器翻译的准确性和速度不断提高。然而，大多数机器翻译方法和系统是数据驱动的，它们倾向于选择训练数据中代表的共识响应，而用户的首选语言风格——这对翻译理解和用户体验很重要——却被忽视。针对这个问题，我们旨在构建一个面向用户的个性化机器翻译模型。该模型旨在从用户在社交媒体环境中生成的文本内容（用户生成文本内容，UGTC）中学习每个用户的语言风格，并利用Transformer和预训练等多项最先进的深度学习技术生成个性化翻译结果。我们还使用微博作为UGTC来源的案例，实现了一个面向用户的个性化机器翻译器，以提供基于我们模型的面向用户个性化机器翻译系统的系统性实施scheme。翻译器通过自动评估与人工评估相结合进行评估。结果表明，我们的模型可以生成更个性化、自然和生动的翻译结果，并增强翻译结果的可理解性，这使得其生成的翻译比通用翻译结果更受用户青睐。