前情概括

词对齐任务分为三大实现方式，详情见词对齐任务概述，此为其一。

NMT依附下的word alignment

说道机翻显然就想到transformer，其encoder-decoder结构其实即便是在使用了lstm等模型上也是这样的，依附在NMT的word alignment任务就可以直接使用seq2seq的输出对输入的词attention（动图https://www.bilibili.com/video/BV1J441137V6，36:00）来表征word alignment。

词互信息（PMI)直算

这个是很intuitive的方法，我不使用任何模型，直接用概率统计的方法，算出两词间的互信息值，很多文章里叫PMI（pointwise mutual information），直接用这个值作为依据，填出词相关矩阵。
互信息是什么？这个场景下的互信息怎么算？见https://blog.csdn.net/index20001/article/details/79079031。

依附NMT的词对齐

这种形式的word alignment的最终解决方式是求得word的相关矩阵，用分数表示各个词的相关度，文章中名词叫做soft align。
经典seq2seq+att的模型和transformer based模型会在decoder阶段得到当前输出词与原sentence的词的attention，利用此可以组成相关矩阵。
对于老式的seq2seq+att来说，
在这里插入图片描述

对于transformer来说，
在这里插入图片描述

值得注意的一点是，尽管bert是在transformer的基础上发展来的，只取了transformer的encoder，在文字理解、阅读等任务有广泛使用和很好成果，但是在机器翻译这一任务上bert encoder的表现很一般，甚至不如lstm等老牌rnn，连带的word alignment也不算好(ACL 2019)。

MT和词对齐都做得好 (EMNLP 2019)

文章简介挑明，尽管机翻任务NMT完爆SMT，但是词对齐任务概率统计方法仍然是上风
on the closely related task of word alignment, traditional statistical word alignment models often remain the go-to solution.
也就是尽管深度学习fancy一点，在词对齐任务上还是打不过概率统计模型。
本文提出既能很好的机翻，又能很好的词对齐的模型。

方法

在原有的transformer基础上，增加词对齐loss（文章标识为multi-task），和扩增了attention的范围（文章标识full-context）。

增加词对齐loss：新设立一个相关矩阵 $G$ ，拿transformer的倒数第二层的att做 $G$ 的label，用KL散度做词对齐的loss。
扩增attention：transformer原型decoder阶段只计算前方的att，但词对齐是不管先后的，此文扩增了att的范围，叫做full context。

eval

giza++做baseline，在使用了giza++做训练信息后的模型才能在词对齐任务上打败giza++。
在这里插入图片描述

MarianNMT

本身是一个集合了很多seq2seq和transformer的机器翻译的工具箱，word alignment可以依附于机器翻译，使用src的word embedding与target embedding计算词汇的相关矩阵。
在这里插入图片描述

从可解释性角度进行word align （ACL 2019）

前言

文章借鉴了LRP删除法判断重要性的方法(ACL 2016)。
LRP最先在cv领域提出。具体来说，对于cv来说，删掉某一局部使得模型错判，则说明此部分对于结果是重要的。
在nlp中，上文提出直接把word embedding全0表示来“删除”这个word。
LRP能给出每个word对结果的相关值。
·
文章首先探索了使用bert的att的方法也不咋地，使用transformer做word alignment任务的话有些甚至不如用互信息（PMI）直算：
在这里插入图片描述

文章一共比较了

互信息直算（PMI）
用transformer attention
他的两种model agnostic的方法，一个叫PD，一个叫EAM

PD（prediction difference）方法

其方法如下，对于一个填词问题来说，把原sentence的某一个word $x$ 替换成全0embedding，把替换前后的模型输出词 $y$ 的差值作为x与y的“相关度”。
在这里插入图片描述

不同于直算或者attention方法的word alignment，本篇文章直接使用删除word对结果的差异大小来作为两个语言相关矩阵的值。

EAM（Explicit Alignment Model）方法

对于一个已经训练好的NMT模型，源语言的word x和目标语言的word y是这样算的：
在这里插入图片描述

然后归一化一下
在这里插入图片描述
这个 $W$ 是要训练的。

结果

在这里插入图片描述
fast align是IBM mode 2的一个实现，就是纯概率统计模型的词对齐模型。AER是越小越好，这表只能看出，作者的EAM和PD比使用transformer的attention做词对齐好，但是比不上IBM model 2.

其实这个结果看了挺失望的，本来就是以词对齐为任务向导，结果搞了一顿这个方法还不如经典概率统计的结果……
但是看完还是有意义的，这篇文章给出了在训练好NMT模型后，想要附加一个词对齐的任务该如何下手。

小结

这篇文章从可解释性角度找了model agnostic的方法进行word alignment，而不是直接给出端到端的模型。
但是不管是EAM还是PD，都首先要有一个完全训练完成的NMT模型，对于EAM方法来说，还要再训一个 $W$ 。
可以这么说，文章的角度是机器翻译任务附带了词对齐任务，算个add on的加分项。