摘要
语义表示长期以来被认为有助于强化机器翻译方法的意义保留并提高其泛化性能。在本研究中，我们首次将源句子的谓词-论元结构（即语义角色表示）纳入神经机器翻译中。我们利用图卷积网络（Graph Convolutional Networks, GCNs）向句子编码器注入语义偏差，从而在英语-德语语言对上实现了比语言无关和句法感知版本更高的BLEU分数。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| machine-translation-on-wmt2016-english-german | BiRNN + GCN (Syn + Sem) | BLEU score: 24.9 |