Pós-Edição Automática Neural de Múltiplas Fontes: participação da FBK na tarefa compartilhada APE do WMT 2017

Abordagens anteriores baseadas em frases para Pós-Edição Automática (APE) mostraram que a dependência de erros de MT em relação à frase fonte pode ser explorada aprendendo conjuntamente a partir das informações da fonte e do alvo. Integrando essa noção em uma abordagem neural para o problema, apresentamos o sistema de tradução automática neural (NMT) de múltiplas fontes submetido pela FBK à tarefa compartilhada APE do WMT 2017. Nosso sistema implementa NMT de múltiplas fontes em um conjunto ponderado de 8 modelos. As n-melhores hipóteses produzidas por esse conjunto são reordenadas usando características baseadas na distância de edição entre a saída original de MT e cada hipótese APE, bem como outros modelos estatísticos (modelo linguístico n-gram e modelo de sequência de operações). Esta solução resultou na melhor submissão de sistema para esta rodada da tarefa compartilhada APE nas direções de linguagem en-de e de-en. Para a primeira direção de linguagem, nossa submissão primária melhora sobre a linha de base de MT em até -4,9 TER e +7,6 pontos BLEU. Para a última, onde a maior qualidade da saída original de MT reduz o espaço para melhorias, os ganhos são menores, mas ainda significativos (-0,25 TER e +0,3 BLEU).