EMNLPOct, 2020

濒危语言复兴之用的切诺基 - 英语机器翻译

PDF
TL;DR介绍了 ChrEn，一个低资源的 Cherokee-English 平行数据集，为 Cherokee 语言的机器翻译研究提供了帮助。通过比较 SMT 和 NMT，监督和半监督方法以及四种其他语言的多语联合训练，得出了转移学习和联合训练等多种翻译系统，最佳结果为 15.8/12.7 BLEU 得分，鼓励未来的 Cherokee 语言复兴工作。
cherokee languagemachine translationendangered languageslow-resourcebleu score
发现论文，激发创造
  • Cherokee-English 机器翻译演示：质量估计和纠错反馈

    文章介绍了 ChrEnTranslate，一个在线机器翻译演示系统，支持英语和濒危语言切罗基之间的翻译，它提供了质量估计、用户反馈界面、示例输入、单词对齐以及相关术语。它还分析了 216 个专家反馈，并发现 NMT 优于 SMT。同时，人类参与其中的学习也显示了潜力。

    Jul, 2021

  • NLP 如何帮助振兴濒危语言？以切罗基语为例的案例研究和路线图

    通过三个原则和三种方式，讨论了 NLP 如何帮助挽救濒危语言，以 Cherokee 语言为案例研究，提出了丰富资源的两种方法，并与社区合作完成，同时介绍了一些兴趣工具。

    Apr, 2022

  • Mergen：蒙古族 - 朝鲜族机器翻译模型的首次训练结果

    通过利用珍贵的资源，尝试开发了首个满 - 韩机器翻译模型 Mergen，改进了满 - 韩语之间的翻译结果，有效提高了满语的保存与传承工作。

    Nov, 2023

  • 将濒危语言引入数字时代：犹太西班牙语案例研究

    本研究致力于通过机器翻译和语音合成系统来促进西班牙犹太语（Sephardic Jews 的流亡语言）的复兴，通过创建语料库和工具，帮助保存这种语言，研究者使用规则驱动的机器翻译系统将西班牙语翻译成犹太西班牙语，生成大量的合成平行数据，并根据犹太西班牙语社区的翻译创建了真实的平行数据，训练了基于神经网络的机器翻译引擎，同时还开发了单一发言人的 3.5 小时语音语料库，用于构建神经语音合成引擎，并公开共享了相关资源和引擎。

    May, 2022

  • 多语言迁移学习改进原住民语言的神经机器翻译

    本篇研究尝试使用预训练的机器翻译模型进行从西班牙语到南美 10 种土著语言的翻译，相对于之前方法使用数据增强的手段，该方法在多种语言上取得了更好的效果。

    May, 2022

  • 面向斯拉南东戈语的通用机器翻译系统

    本研究在于创建一种通用的机器翻译系统以翻译 Surinam 的一种低资源克里奥尔语 ——Sranantongo。为了便于这项研究，我们引入了 SRNcorpus，这是一个由双语荷兰语（nl）和单语 Srn 数据并集组成的语料库，并对多种机器翻译方法进行了实验。我们的研究结果表明，为 Srn 提供了一个强有力的基线机器翻译系统。

    Dec, 2022

  • 全球训练，定制本地化：极简多语翻译应用于濒危语言

    针对严重低资源语言，我们使用两种方法以尽可能高的质量翻译跨语言已知的有限文本，结果表明，首先将大型预训练的多语言模型适应到有限的文本领域 / 语言，然后再针对严重低资源语言进行调整表现最好。选择最佳的种子句也可以进一步提高翻译质量，同时将种子句数量降至约 1000 句。

    May, 2023

  • 雇佣一位语言学家！：通过上下文语言描述学习濒危语言

    我们提出 LINGOLLM，一种无需训练的方法，使大型语言模型能够处理在其预训练中几乎不出现的未知语言，从而大大提高了翻译能力。

    Feb, 2024

  • 使用单语语料库进行神经机器翻译

    本篇论文研究了如何利用丰富的单语语料库对神经机器翻译进行建模，结果表明在低资源的土耳其 - 英语和中英文聊天信息场景下，相较于短语和层级翻译，可以提高高达 1.96 和 1.59 的 BLEU 值，同时也适用于高资源语言，例如捷克语 - 英语和德语 - 英语，并成功提高了 0.39 和 0.47 个 BLEU 分数。

    Mar, 2015

  • 美洲土著语言的神经机器翻译：介绍

    介绍了用于低资源语言机器翻译的神经模型的挑战、概念和技术，最后讨论了 NLP 社区对这些语言的兴趣所带来的最新进展和发现。

    Jun, 2023