Nov, 2020

领域特定的僧伽罗语 - 英语 - 泰米尔语统计机器翻译的数据增强和术语整合

PDF
TL;DR本文主要研究针对机器翻译中低资源语种的词汇缺失问题，提出了基于双语词表整合的方法和基于数据增强技术的方法，通过以词干和格标注扩充双语词表词汇以提高 SMT 的准确性，在 Sinhala-English 机器翻译任务中取得了改善。
out of vocabularymachine translationlow-resourced languagesbilingual list integrationdata augmentation techniques
发现论文，激发创造
  • 利用双语词典进行低资源半监督神经机器翻译

    本研究提出了一种基于双语词典的数据增强技术，使得机器翻译模型能够扩展词汇表而不会影响低资源环境下的合成句子的质量，我们的方法在性能上表现出可观的改进。

    Apr, 2020

  • 基于词典的形态学感知数据增强技术用于机器翻译低资源语种

    我们提出了一种依赖于词法 - 句法信息和双语词典以及少量种子并行数据来合成并行数据的策略，该方法在 14 种语言中（28 个英语 <->X 对）的实验中展示了性能的一致提升。

    Feb, 2024

  • Bilex Rx：大规模多语机器翻译的词汇数据增强

    本文探讨使用双语词汇表在网络爬取的文本训练数据上进行无监督机器翻译的有效性，通过词汇数据增强，我们证明了其对于提升无监督翻译成果的重要性，并开源了 GATITOS，这是一个在 26 种低资源语言中表现最好的多语种词汇表。

    Mar, 2023

  • 文本增强技术在低资源机器翻译中的应用：斯瓦希里语案例研究

    本研究旨在探讨将文本数据增强技术应用于低资源机器翻译的影响，研究表明在针对英斯瓦西里（En-Sw）数据集进行神经机器翻译时，文本分类任务中常用的三种数据增强技术（同义词替换、随机插入和上下文数据增强）均可提高系统性能，尤其是上下文数据增强技术。

    Jun, 2023

  • 跨语言转移还是机器翻译？关于单语义文本相似性的数据增强

    通过比较两种数据技术（跨语言转移和机器翻译），研究发现，使用英文数据训练的跨语言转移和使用英文数据转换为伪非英文训练数据的机器翻译在日语和韩语的单语 STS 上表现相当。此外，研究还发现 Wikipedia 领域在这些语言上优于 NLI 领域，并结合这些发现实验表明，跨语言转移 Wikipedia 数据能够提高单语 STS 的性能。

    Mar, 2024

  • 低资源神经机器翻译的数据增强

    本研究提出了一种以数据增强为基础的方法，针对低频词汇在合成的新语境中生成新的句子对，以提高神经机器翻译系统的翻译质量。在模拟低资源环境中的实验结果显示，相对于基准和回译方法，我们的方法能够提高翻译质量，最高可提高 2.9 BLEU 分数。

    May, 2017

  • 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

  • 无监督双语词典归纳的局限性

    该文研究了无监督的机器翻译模型，提出了利用对手生成网络对词嵌入空间进行自对齐和对齐生成双语词典，但对于形态丰富的语言，无监督双语词典的表现会受到很大限制，该研究通过利用弱监督从同一词来构建词典，建立了无监督双语词典表现和图相似度的相关性。

    May, 2018

  • 基于词典的跨领域神经机器翻译数据增强

    本文提出了一种基于词典的数据增强方法，用于跨领域神经机器翻译。通过生成大规模的伪 IND 平行语料库，可以增强一般域训练的基线 NMT 模型，实验结果表明，DDA 增强的 NMT 模型表现出一致显著的改进，胜过基线模型 3.75-11.53 BLEU。

    Apr, 2020

  • 数据自适应迁移学习用于翻译：海地和牙买加的案例研究

    研究表明，对于低资源机器翻译，多语言转移技术的有效性与训练数据量以及知识共享语言之间的关系有关，当某些语言超过真实数据的阈值时，回译增强方法会适得其反，而跨语言转移则更合适。同时，该研究提出了一种基于规则的法语 - 海地克里奥尔语正字和句法引擎和一种新型的音韵嵌入方法，这些方法使得正字转换在多语言技术中相对于传统方法显著提高效果。在极低资源的牙买加机器翻译中，通过与一种具有正字相似度的转移语言进行代码交换，可以获得 6.63 BLEU 点的优势。

    Sep, 2022