通过联合学习对齐和翻译的神经机器翻译

神经机器翻译是一种新近提出的机器翻译方法。不同于传统的统计机器翻译，神经机器翻译旨在构建一个能够联合调优以最大化翻译性能的单一神经网络。最近提出的神经机器翻译模型通常属于编码器-解码器家族，包含一个将源句子编码为固定长度向量的编码器，解码器则根据该向量生成翻译。本文中，我们推测固定长度向量的使用是限制该基础编码器-解码器架构性能提升的瓶颈，并提出通过允许模型自动（软）搜索与预测目标词相关的源句子部分来扩展该方法，而无需将这些部分显式地形成硬性分段。采用这种新方法，在英法翻译任务中，我们获得了与现有最先进基于短语的系统相当的翻译性能。此外，定性分析表明模型发现的（软）对齐与直觉高度一致。