由统计机器翻译指导的神经机器翻译
本文分析了神经网络机器翻译(NMT)与基于短语的机器翻译(PBMT)在英语-德语翻译数据集上的表现,从专业翻译的高质量后编辑结果中发现神经网络机器翻译在表述动词重新排序等语言现象时具有更好的建模能力,但仍有需要改进的方面。
Aug, 2016
该论文介绍了一个新的神经机器翻译系统,并将其与两个常规的在线引擎(统计和神经)以及作者自己的统计机器翻译系统进行了基准测试。同时,该论文还分析了句子长度对统计机器翻译和神经机器翻译系统翻译输出质量的影响。
Jul, 2017
本文研究通过引入更多本地依赖关系和使用单词对齐来学习翻译过程中的句子重新排序,在低资源语言中使用神经机器翻译(NMT)模型,产生仅使用7万个训练数据令人满意的翻译结果。
Aug, 2017
本研究提出了一种将传统SMT模型与神经机器翻译相结合的方法,从而提高翻译质量。该方法利用现有的基于短语的SMT模型计算基于短语的解码成本,并将其用于重新排列n个最佳NMT输出。研究表明,利用强制解码成本对NMT输出进行排序可以成功提高四种不同语言的翻译质量。
Nov, 2017
本论文提出了一种将基于短语的统计机器翻译模型作为后验正则化引入到无监督神经机器翻译模型的训练过程中,以提高翻译质量的方法,并在en-fr和en-de翻译任务上进行实验,最终取得了新的最佳性能。
Jan, 2019
本文追溯了现代神经机器翻译体系结构的起源,重点探讨了单个神经网络在翻译中的应用,其中涉及到word 和 sentence embedding 以及编码器-解码器网络家族的早期示例,并总结了该领域的最新趋势。
Dec, 2019
本文介绍了对低资源语言NMT(LRL-NMT)的研究进展进行了详细调查,并定量分析了最受欢迎的解决方案,提供了一组指南来选择给定LRL数据设置的可能的NMT技术。它还呈现了LRL-NMT研究领域的完整视图,并提供了进一步增强LRL-NMT研究工作的建议清单。
Jun, 2021
通过研究 NMT 模型训练过程中的能力表现,发现其在学习目标语言模型、逐词翻译和复杂重排序模式方面的能力表现与传统的 SMT 模型有明显差异,并探讨了这种理解对于优化 NMT 模型的实际应用。
Sep, 2021