https://www.bilibili.com/video/BV1Ep4y1Q71p

 

活动作品ICLR 2020论文分享-BERT在神经机器翻译中的应用

   

 

 

 

 

 

要解决的问题：

- 直接用预训练的结果

- BERT训练和NMT任务的分词方式不一样，引起句子长短不一样

- BERT双向，decoder 单向 —— BERT作为embedding输入，不适用于decoder 端；

 

 

 

 

原 Transformer 中的 self-attention 是 Warm-up的——一用一个训练到收敛的模型的参数初始化

红线 BERT attention 随机初始化

 

 

 

 

 

 

 

drop-out 率 p 增大，训练loss 会变大，但 validation loss 会变小

 

 

 效果超过了其它：精心设计的模型结构 & NAS 搜索出来的模型结构

IWSLT是连续文档切分成句子组成的数据集，所以我们猜测：BERT对文档级的翻译有帮助

（左下角）

 

 

 

 

tune  BERT 的参数，效果会变差

两部分 attention 并排 比  stack，效果更好

 从BERT中汲取到了对翻译有用的信息，并不是单纯引入了更多的参数带来的效果

 

 

 

 

 

 

 

 

 

 

 

 

  

 

<style></style> <style></style>