Modelo de Linguagem Bilingue Baseado em Rede Neural em Crescimento para Tradução Automática Estatística

Como modelos de linguagem (LM) maiores de n-gramas geralmente apresentam melhor desempenho na Tradução Automática Estatística (SMT), como construir LM grandes e eficientes é um tópico importante em SMT. No entanto, a maioria dos métodos existentes para crescimento de LM necessita de um corpus monolíngue extra, onde uma tecnologia adicional de adaptação de LM é necessária. Neste artigo, propomos um novo método de crescimento de LM bilingue baseado em rede neural, utilizando apenas o corpus paralelo bilíngue na SMT. Os resultados mostram que nosso método pode melhorar tanto a pontuação de perplexidade para avaliação de LM quanto a pontuação BLEU para SMT, superando significativamente os métodos existentes de crescimento de LM sem corpus extra.