清华大学刘洋--基于深度学习的机器翻译（2）--- 受限词汇量/先验约束/训练准则

受限词汇量：我们不能把全部的所有词汇都汇总起来，这个集合太大了。我们只能选一些。

受计算复杂度的限制，仅能使用有限的词汇量。

这里有几种方法：

1. 未登录词替换 unknown key replace ：在后处理阶段，单独翻译未登录词
2. 基于字母的模型。用更细粒度单元降低词汇量。
3. 子词：BPE 合并高频字符串对实现子词切分。
4. 相似词替换：用相似词代替未登录词进行训练

——————————————————————————————————————————————————————————————

先验约束是什么呢？

神经网络是数据驱动的，先验知识即数据以外的知识。

1. 先验约束

覆盖率的约束：不应该重复翻译，也不能漏翻

注意力机制中的结构化约束，从神经网络自身进行约束，对函数约束

一致性训练：翻译的正向和反向的结果大致是一致的，具有互补性。

________________________________________________________________________________________________________________________________________________________________________

对于神经网络而言，极大似然估计越大越好。

exposure bias问题：

即在观测数据中，生成每一个目标词之前的所有词都是正确的。

而模型预测的生成词不能保证之前的每一个词是正确的。

————————————————————————

词级损失函数：

极大似然估计，只对每一个词，使用损失函数。它并不会考虑语序等

--------------

最小风险训练

柱搜索优化

MIXER: 利用增强学习针对评价指标优化模型。