tag

tag transfer/方法介绍.md

+## **How Should Markup Tags Be Translated?** EMNLP 2020
+## **How Should Markup Tags Be Translated?** EMNLP 2020
+
+* 比较了两种常用的标记表示方法，测试了MT模型通过训练数据增强学习标记放置的能力；
+* 构建了三种语言的标记语言测试集；
+* 研究了标记表示、数据扩展大小、标记复杂度和语言对之间的相互作用，以说明每种方法的优缺点；
+* 贡献
+  * 提出一种可在任意平行语料库中注入复杂度可控的标记方法，可以获得较高精度的数据，并且该方法能提高模型放置标签的精度：
+    * n-gram片段对齐，然后插入标签
+    * 校验集人工评价错误率，在英德、英法、ENHU中分别是3.5%、5.8%和6.1%
+  * 提供了几种标记处理方法的综合评价：
+    * 基线实验
+      * 基线实验使用纯文本
+      * 词对齐模型使用模型的训练集进行训练
+      * 使用BPE和FastAlign
+      * 强制对齐BPE文件
+    * 分析了两种方法，一种泛化、一种raw data
+  * 质量评估
+
+## 面向机器翻译的标记语言研究，2005年  情报学报
+
+* 提出一种标记语言
+
+## Neural Machine Translation with Explicit Phrase Alignment
+
+* 提出一种词对齐方法
+
+## **Transferring** **Markup** **Tags in Statistical** **Machine Transla** **tion:** **A** **Two**-Stream Approach**
+
+* **Two**-Stream Approach:
+  * 用统计机器翻译翻译纯文本，然后再向译文中插入标签
+  * 插标签，不仅依赖短语对齐，还依赖短语中单个词的对齐
+
+## **Treatment of Markup in Statistical Machine Translation**
+
+
+