English-Czech Systems in WMT19: Document-Level Transformer

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10405597" target="_blank" >RIV/00216208:11320/19:10405597 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.statmt.org/wmt19/pdf/53/WMT37.pdf" target="_blank" >http://www.statmt.org/wmt19/pdf/53/WMT37.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

English-Czech Systems in WMT19: Document-Level Transformer

Popis výsledku v původním jazyce

We describe our NMT systems submitted to the WMT19 shared task in EnglishRIGHTWARDS ARROWCzech news translation. Our systems are based on the Transformer model implemented in either Tensor2Tensor (T2T) or Marian framework. We aimed at improving the adequacy and coherence of translated documents by enlarging the context of the source and target. Instead of translating each sentence independently, we split the document into possibly overlapping multi-sentence segments. In case of the T2T implementation, this &quot;document-level&quot;-trained system achieves a +0.6 BLEU improvement (p &lt; 0.05) relative to the same system applied on isolated sentences. To assess the potential effect document-level models might have on lexical coherence, we performed a semi-automatic analysis, which revealed only a few sentences improved in this aspect. Thus, we cannot draw any conclusions from this week evidence.

Název v anglickém jazyce

English-Czech Systems in WMT19: Document-Level Transformer

Popis výsledku anglicky

We describe our NMT systems submitted to the WMT19 shared task in EnglishRIGHTWARDS ARROWCzech news translation. Our systems are based on the Transformer model implemented in either Tensor2Tensor (T2T) or Marian framework. We aimed at improving the adequacy and coherence of translated documents by enlarging the context of the source and target. Instead of translating each sentence independently, we split the document into possibly overlapping multi-sentence segments. In case of the T2T implementation, this &quot;document-level&quot;-trained system achieves a +0.6 BLEU improvement (p &lt; 0.05) relative to the same system applied on isolated sentences. To assess the potential effect document-level models might have on lexical coherence, we performed a semi-automatic analysis, which revealed only a few sentences improved in this aspect. Thus, we cannot draw any conclusions from this week evidence.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Fourth Conference on Machine Translation - Proceedings of the Conference

ISBN

978-1-950737-27-7

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

342-348

Název nakladatele

Association for Computational Linguistics

Místo vydání

Stroudsburg, PA, USA

Místo konání akce

Firenze, Italy

Datum konání akce

1. 8. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—