論文の概要: Improving Neural Machine Translation with Compact Word Embedding Tables
- arxiv url: http://arxiv.org/abs/2104.08677v1
- Date: Sun, 18 Apr 2021 01:57:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 14:37:16.069508
- Title: Improving Neural Machine Translation with Compact Word Embedding Tables
- Title（参考訳）: コンパクトな単語埋め込みテーブルによるニューラルマシン翻訳の改善
- Authors: Krtin Kumar, Mehdi Rezagholizadeh, Yiu Sing Lau, Qun Liu
- Abstract要約: 単語埋め込みとランダム埋め込みによるNMTシステムのシンタクティック情報やセマンティクス情報の引き下げは、当初の音ほど被害を及ぼさないことを示す。
本研究では,NMTモデルが部分的にランダムな埋め込みで実行できることを,性能の低下と引き換えに示した。
- 参考スコア（独自算出の注目度）: 31.336643419555266
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Embedding matrices are key components in neural natural language processing
(NLP) models that are responsible to provide numerical representations of input
tokens.\footnote{In this paper words and subwords are referred to as
\textit{tokens} and the term \textit{embedding} only refers to embeddings of
inputs.} In this paper, we analyze the impact and utility of such matrices in
the context of neural machine translation (NMT). We show that detracting
syntactic and semantic information from word embeddings and running NMT systems
with random embeddings is not as damaging as it initially sounds. We also show
how incorporating only a limited amount of task-specific knowledge from
fully-trained embeddings can boost the performance NMT systems. Our findings
demonstrate that in exchange for negligible deterioration in performance, any
NMT model can be run with partially random embeddings. Working with such
structures means a minimal memory requirement as there is no longer need to
store large embedding tables, which is a significant gain in industrial and
on-device settings. We evaluated our embeddings in translating {English} into
{German} and {French} and achieved a $5.3$x compression rate. Despite having a
considerably smaller architecture, our models in some cases are even able to
outperform state-of-the-art baselines.
- Abstract（参考訳）: 埋め込み行列は、入力トークンの数値表現を提供する神経自然言語処理(nlp)モデルの主要な構成要素である。\footnote{in this paper words and subwordsは \textit{tokens} と呼ばれ、 \textit{embedding} という用語は入力の埋め込みのみを意味する。
本稿では,ニューラルネットワーク翻訳(NMT)の文脈において,そのような行列の影響と有用性を分析する。
単語の埋め込みから構文情報や意味情報を抽出し、ランダムな埋め込みでNMTシステムを実行することは、最初に聞こえるほど有害ではないことを示す。
また,完全学習組込みによる限られたタスク固有の知識のみを組み込むことで,nmtシステムの性能が向上することを示す。
以上の結果から,NMTモデルは部分的にランダムな埋め込みで動作可能であることが示唆された。
このような構造を扱うということは、大きな埋め込みテーブルを格納する必要がなくなるため、最小限のメモリ要件を意味します。
我々は, { English} を {German} と { French} に翻訳する際の埋め込みを評価し, 圧縮率 5.3$x を達成した。
アーキテクチャがかなり小さいにもかかわらず、場合によっては、私たちのモデルは最先端のベースラインを上回ります。
関連論文リスト
- MoSECroT: Model Stitching with Static Word Embeddings for Crosslingual Zero-shot Transfer [50.40191599304911]
クロスリンガルゼロショット転送のための静的単語埋め込みを用いたMoSECroTモデルスティッチについて紹介する。
本稿では,ソースコードPLMの埋め込みと対象言語の静的単語埋め込みのための共通空間を構築するために,相対表現を利用した最初のフレームワークを提案する。
提案するフレームワークは,MoSECroTに対処する際,弱いベースラインと競合するが,強いベースラインに比べて競合する結果が得られないことを示す。
論文 参考訳（メタデータ） (2024-01-09T21:09:07Z) - Simultaneous Machine Translation with Large Language Models [51.470478122113356]
我々は,SimulMTタスクに大規模言語モデルを適用する可能性を検討する。
MUST-Cデータセットと異なる9言語でtextttLlama2-7b-chatモデルを用いて実験を行った。
その結果,LLM は BLEU と LAAL の指標で専用MT モデルよりも優れていた。
論文 参考訳（メタデータ） (2023-09-13T04:06:47Z) - What Do Compressed Multilingual Machine Translation Models Forget? [102.50127671423752]
平均BLEUはわずかに減少するが,表現不足言語の性能は著しく低下する。
圧縮は,高リソース言語においても,本質的な性差や意味バイアスを増幅することを示した。
論文 参考訳（メタデータ） (2022-05-22T13:54:44Z) - Exploring Unsupervised Pretraining Objectives for Machine Translation [99.5441395624651]
教師なし言語間事前訓練は、ニューラルマシン翻訳(NMT)の強力な結果を得た
ほとんどのアプローチは、入力の一部をマスキングしてデコーダで再構成することで、シーケンス・ツー・シーケンスアーキテクチャにマスク付き言語モデリング(MLM)を適用する。
マスキングと、実際の(完全な)文に似た入力を生成する代替目的を、文脈に基づいて単語を並べ替えて置き換えることにより比較する。
論文 参考訳（メタデータ） (2021-06-10T10:18:23Z) - PheMT: A Phenomenon-wise Dataset for Machine Translation Robustness on
User-Generated Contents [40.25277134147149]
日本語翻訳における特定の言語現象に対するMTシステムの堅牢性を評価するための新しいデータセットであるPheMTを提案する。
作成したデータセットを用いて行った実験では、社内モデルだけでなく、市販のシステムでも、特定の現象の存在によって大きく混乱していることが明らかになりました。
論文 参考訳（メタデータ） (2020-11-04T04:44:47Z) - Assessing the Bilingual Knowledge Learned by Neural Machine Translation
Models [72.56058378313963]
NMTモデルで学習したバイリンガル知識をフレーズテーブルで評価することで,このギャップを埋める。
NMTモデルは、単純なものから複雑なものまでパターンを学習し、トレーニング例から本質的なバイリンガル知識を抽出する。
論文 参考訳（メタデータ） (2020-04-28T03:44:34Z) - All Word Embeddings from One Embedding [23.643059189673473]
自然言語処理のためのニューラルネットワークベースのモデルでは、パラメータの最大の部分は単語の埋め込みで構成されていることが多い。
本研究では,パラメータの総数を削減するために,すべての単語に対する埋め込みを共有埋め込みを変換することによって表現する。
提案手法であるALONEは,単語固有のが学習不能なフィルタベクトルを用いて,単語の埋め込みを改良し,単語の埋め込みを構築する。
論文 参考訳（メタデータ） (2020-04-25T07:38:08Z) - Incorporating BERT into Neural Machine Translation [251.54280200353674]
本稿では,入力シーケンスの表現抽出にBERTを用いたBERT融合モデルを提案する。
我々は、教師付き(文レベルと文書レベルの翻訳を含む)、半教師なしおよび教師なしの機械翻訳の実験を行い、7つのベンチマークデータセットで最先端の結果を得る。
論文 参考訳（メタデータ） (2020-02-17T08:13:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。