La traduction automatique neuronale bénéficie-t-elle d'un contexte plus large ?

Nous proposons une architecture de traduction automatique neuronale qui modélise le texte environnant en plus de la phrase source. Ces modèles conduisent à de meilleures performances, tant en termes de qualité générale de la traduction que de prédiction des pronoms, lorsqu'ils sont entraînés sur de petits corpus, bien que cette amélioration disparaisse largement lorsqu'ils sont entraînés avec un corpus plus large. Nous découvrons également que la traduction automatique neuronale basée sur l'attention est bien adaptée à la prédiction des pronoms et se compare favorablement à d'autres approches qui ont été spécifiquement conçues pour cette tâche.