Feb, 2019

低资源机器翻译的FLoRes评估数据集：尼泊尔语-英语和僧伽罗语-英语

HTML
PDF
TL;DR本研究介绍了FLoRes评估数据集，并针对Nepali-English和Sinhala-English等低资源语言，以维基百科翻译句子为基础，展开全面评测各类联机翻译方法的表现，进而发现当前最先进的方法对于这一基准测试的表现相对较差，给低资源机器翻译的研究提出了挑战。
发现论文，激发创造
  • 重新审视低资源神经机器翻译：以个案研究为例

    本文探讨神经网络机器翻译（NMT）在低资源条件下性能下降的原因，提出适应低资源环境时的注意事项和最佳实践，并在德语-英语和韩语-英语低资源翻译数据集上进行实验，发现经过优化的NMT系统可以在没有使用其他语言辅助数据的情况下，比以前报告的更少数据超越采用词组统计的基于规则的机器翻译（PBSMT），BLEU指标超过4个点。

    May, 2019

  • 五种非洲语言低资源神经机器翻译基准

    研究了最近神经机器翻译 (NMT) 在英语和五种非洲低资源语言 (LRL) 对之间的效果，并表明多语言模型 (multilingual approach) 在某些翻译方向上有 +5 分数的提升。同时，提供标准的实验数据和测试集以供未来的研究使用。

    Mar, 2020

  • 利用多语言技术进行非监督式稀有语言机器翻译

    本文研究了针对低资源稀有语种的无监督翻译问题，提出了一个三阶段训练方案的多语种模型，结合了单语和辅助并行数据，取得了明显优于当前无监督基准线的效果。

    Sep, 2020

  • FLORES-101低资源和多语言机器翻译评估基准

    本文介绍了FLORES-101评估基准，该数据集由3001句从英文维基百科中提取出来的涵盖各种主题和领域的句子，在101种语言中由专业翻译人员进行翻译。该数据集可用于评估低资源语言和多对多多语言翻译系统的模型质量。

    Jun, 2021

  • 低资源神经机器翻译调查

    本文对低资源神经机器翻译进行了调查，并根据所使用的辅助数据将相关作品分为三类：利用源语言和/或目标语言的单语数据，利用来自辅助语言的数据以及利用多模态数据。该调查有助于研究人员更好地理解该领域，鼓励他们设计更好的算法，也有助于帮助行业从业者选择适合其应用程序的算法。

    Jul, 2021

  • 低资源机器翻译调查

    介绍了低资源机器翻译研究领域的现状，重点是在少量翻译训练数据的情况下制备有用的翻译模型的挑战以及在近期几个共享任务中评估研究者的技术的描述。

    Sep, 2021

  • 通过语言分离多语言模型提高低资源无监督翻译的精度

    该论文提出一种简单的细化流程，将语言从预训练的多语言UMT模型中分离出来，使其专注于目标低资源任务，并实现了英语到尼泊尔语、僧伽罗语、古吉拉特语、拉脱维亚语、爱沙尼亚语和哈萨克语的全无监督翻译任务的最先进，其BLEU得分分别为3.5，3.5，3.3，4.1，4.2和3.3。

    May, 2022

  • 僧伽罗语-英语平行词典数据集

    为了解决低资源语言缺乏人工标注的问题，本研究提出了三个用于英语和僧伽罗语自然语言处理任务的平行英-僧伽罗词典数据集，并介绍了数据集创建流程和验证数据集质量的实验结果。

    Aug, 2023

  • 大型语言模型是否平等对待所有语言？在低资源环境中的比较研究

    本研究解决了大型语言模型在低资源语言中的表现不足，尤其是南亚语言的研究空白。通过翻译创建针对情感和仇恨言论任务的数据集，并对多种大型语言模型进行了零-shot 学习的比较。研究发现，GPT-4在多个任务中性能优于其他模型，并且自然语言推理任务表现最佳，彰显了其在低资源语言处理中的重要性。

    Aug, 2024

  • 质量还是数量？在低资源翻译中适应大型语言模型的数据规模和多样性

    本文探讨了将大型语言模型（LLMs）适应低资源翻译所需的条件，重点分析了平行数据的重要性和监督微调中的多样性对性能的影响。研究发现，平行数据在预训练和微调过程中对低资源LLM-MT至关重要，而多样性往往导致干扰而非迁移。这些发现具有普遍性，对提升低资源语言的多语种LLM-MT模型具有重要价值。

    Aug, 2024