MMOct, 2017

跨语言问题重排

PDF
TL;DR本篇论文研究了如何在社区论坛中寻找相关问题，尤其是当新问题的语言与现有问题不同时，我们采用基于核的方法和前馈神经网络，通过大规模平行语料库训练机器翻译系统、双语词典和跨语言单词嵌入以解决该问题，并通过跨语言树核和跨语言嵌入的方法，使得在处理翻译文本方面的性能提高并且接近于单语言系统，但是整体而言，基于核的方法在所有情况下都表现更好。
machine translationcross-language tree kernelcross-language embeddingscommunity forumsarabic-english language pair
发现论文，激发创造
  • 英语和阿拉伯语社区问答的解决方案

    该研究研究了应用不同类型的特征来学习对社区问答中的问题重新排序的影响，并在 SemEval-2016 的两个数据集上测试了我们的模型。该研究表明，使用句法树核和包 - 词特征能够提高重新排序的效果。

    Oct, 2016

  • 多语言问答的翻译学习

    该研究探讨多语种问答中的翻译方法，并提出基于学习的翻译方法，通过模型训练并结合语言分类器实现翻译，结果比强基准模型表现更优。

    Sep, 2016

  • 神经网络阿拉伯语问答

    本文介绍了一个使用维基百科作为知识来源来解决阿拉伯语开放领域事实问题回答的方法，提出了阿拉伯阅读理解数据集（ARCD），并使用预训练的双向转换器 BERT 构建了 SOQAL 系统来回答问题，实验结果表明其有效性。

    Jun, 2019

  • 基于跨语言词向量的多语言新闻聚类研究

    本文提出一种用于分类跨语言新闻的 incorporating clustering 模型，该模型使用跨语言向量表示新闻，使用 LDA 主题模型表示新闻内容，采用 Single-Pass 聚类算法进行优化，并利用知识蒸馏技术，将两个语义空间拟合为一个混合语义空间。

    May, 2023

  • 用对抗神经网络进行跨语言学习：社区问答应用

    利用对抗训练的神经网络实现跨语言问答系统的高级特征学习和语言不变性，在跨语言问答中进行问题相似性重新排序，有效提高了跨语言问答系统性能。

    Jun, 2017

  • 跨语言产品问答：12 种语言

    该研究致力于针对电子商务应用中需要支持多语言的情况，建立一种跨语言的产品问答 (PQA) 系统，为了实现这一目标，它提出了一个包括 12 种语言在九个领域中的大规模标注跨语言 PQA 数据集，并评估了包括机器翻译在内的多种方法。作者强调，领域内的数据对跨语言排序任务非常重要，而候选的排序通常更喜欢基于运行时翻译的方法，而答案的生成更倾向于使用多语言方法，但是英语和跨语言测试集之间仍存在明显的性能差距。

    May, 2023

  • 利用目标语言单语语料库进行计算机辅助翻译的跨语言神经模糊匹配

    本文介绍了一种基于神经网络的新型方法，借助跨语言句子嵌入来利用目标语言单语语料库检索翻译建议，并使用神经模型估计其后编辑工作量，通过自动和人工评估证明此方法可以在以传统翻译记忆为基础的计算机辅助翻译环境中成功利用单语文本，增加有用翻译建议的数量。

    Jan, 2024

  • 阿拉伯语神经机器翻译的首个结果

    本文应用神经机器翻译技术在阿拉伯语翻译任务中进行比较和预处理，并发现在处理适当的阿拉伯语脚本前，神经机器翻译和基于短语的翻译系统性能相近，但神经机器翻译在域外测试集上明显优于短语翻译系统，在实际应用中更具吸引力。

    Jun, 2016

  • MLQA：评估跨语言抽取式问答

    该研究提出了一个名为 MLQA 的多语言提取式问答（QA）评估基准，旨在推动跨语言 QA 研究。 MLQA 包含 7 种语言的 QA 实例，并使用一种新颖的对齐上下文策略，基于 Wikipedia 文章构建，以此作为现有提取式 QA 数据集的跨语言扩展。

    Oct, 2019

  • 基于阅读理解的跨语言知识库问答

    该研究对多语言信息处理领域中的跨语言问答问题进行了研究：提出了一种基于阅读理解范式的知识库子图到问题的转换方法，利用汽车预训练语言模型和跨语言阅读理解技术进行跨语言阅读理解，基于现有的高质量跨语言阅读理解数据集进一步优化模型，为跨语言问答领域提供了一种有效、高效的方法。

    Feb, 2023