حققت الترجمة الآلية العصبية (NMT) طفرة كبيرة في الأداء ولكن من المعروف أن تعاني من الضعف للاضطرابات الإدخال.نظرا لأن ضوضاء المدخلات الحقيقية يصعب التنبؤ أثناء التدريب، فإن القوية هي مشكلة كبيرة لنشر النظام.في هذه الورقة، نحسن متانة نماذج NMT عن طريق
تقليل تأثير الكلمات الصاخبة من خلال نهج إعادة الإعمار المحسن في السياق (CER).CER يدرب النموذج لمقاومة الضوضاء في خطوتين: (1) خطوة اضطراب يكسر طبيعية تسلسل الإدخال بكلمات مكونة؛(2) خطوة إعادة الإعمار التي تدافع عن انتشار الضوضاء من خلال توليد تمثيل سياقي أفضل وأكثر قوة.توضح نتائج تجريبية على مهام الترجمة الصينية والإنجليزية (ZH-en) والفرنسية-الإنجليزية (FR-EN) تحسين متانة على كل من الأخبار ونص وسائل التواصل الاجتماعي.وإظهار المزيد من التجارب الدقيقة على نص وسائل التواصل الاجتماعي أن نهجنا يمكن أن يتجاوز موقفا أعلى ويوفر تكيفا أفضل.
