Jul, 2018

数据流交互神经机器翻译的主动学习

PDF
TL;DR本文探讨了使用主动学习技术对无限数据流进行交互式神经机器翻译的应用，并提出了两种选择样本的新方法。我们的实验表明，将主动学习技术集成到翻译系统中可在增加翻译质量的同时降低所需的人力工作量，并使人力工作量达到一定的翻译质量平衡。此外，我们的神经系统表现明显优于传统方法。
发现论文，激发创造
  • Onception: 面向真实世界机器翻译的专家建议主动学习

    本文主要探讨了在低资源环境下运用主动学习来提高机器翻译系统的翻译质量，使用流式主动学习提高翻译质量，通过动态组合多种查询策略，使用预测和专家建议来决定最优策略。通过实验证明，在更少的人工干预下，使用主动学习可以收敛到最好的机器翻译系统。

    Mar, 2022

  • 神经机器翻译的主动学习

    本文使用 Joey NMT 工具包中的 Active Learning 技术，通过两种基于模型的获取函数 (BM, FTM, ALLCM, 和 ALMSM)，研究了英语到印地语的神经机器翻译。本文的结果表明，Active Learning 技术能够使模型更早地达到收敛并提高整个翻译系统的质量，其中 ALLCM 和 ALMSM 两种模型取得了最好的 BLEU 分数。

    Dec, 2022

  • 神经机器翻译的短语级主动学习

    本文拟通过选择在新领域非标记数据中的全句和短语，将其路由至人类翻译，解决神经机器翻译在领域转移方面的限制，从而在德语 - 英语翻译任务上，相比于不确定性句子选择方法，实现了一定程度的改进。

    Jun, 2021

  • 融合人工和机器翻译的多语言语义解析与主动学习

    该文提出了一种主动学习方法，将小批量的人工翻译添加到机器翻译的训练集中，利用人工和机器翻译的优点，并提出了新颖的聚合获取准则来帮助方法选择要手动翻译的话语，实验证明这种理想话语的选择能显著降低翻译数据中的误差和偏见，从而比仅在机器翻译数据上训练的解析器具有更高的精度。

    May, 2023

  • 违反潮流：大规模成本关注活跃学习用于统计机器翻译

    本文提出一种类似主动学习的数据获取算法，通过使用 Amazon Mechanical Turk 平台获取数据，极大地提高机器翻译性能。

    Oct, 2014

  • 基于预训练语言模型的句子匹配主动学习

    本文提出了一种基于预训练语言模型的主动学习方法，应用于句子匹配，通过提供语言标准来测量实例并选择更有效的实例进行注释，实验证明该方法可以在更少的标记训练实例的情况下实现更高的准确性。

    Oct, 2020

  • 低资源神经机器翻译的高性价比训练

    提出了一种利用自监督学习和小规模词典来初始化神经机器翻译（NMT）模型，在初始化后使用主动学习策略提高低资源条件下（如稀缺语言）翻译模型性能的方法，并提出了一种基于领域适应的新型主动学习策略。除此之外，我们还表明，使用这种初始化方法和主动学习策略可相比于传统方法提高最多 13 个 BLEU 点。

    Jan, 2022

  • 自然语言生成的主动学习

    本文是第一次系统地研究了主动学习在文本生成方面的应用，研究表明现有的主动学习策略在文本生成场景下效果不佳，无法持续超越随机示例选择的基准线。

    May, 2023

  • 多语义解析器的主动学习

    本研究提出了首个主动学习过程 (MSP) 用于语义解析，包括数据集选择和超参数调整，从而达到减少翻译成本并提高解析性能的目的。

    Jan, 2023

  • PyTAIL: 基于人机交互的在线数据 NLP 模型交互式增量学习

    介绍了一种名为 PyTAIL 的 Python 库，可以应对在线数据流的机器学习模型的训练以及自然语言处理任务的词汇和规则特征的改变，实现了可以推荐新的特征和实例标注的人在循环中的主动学习方法，并在社交媒体等数据集上效果显著。

    Nov, 2022