变形金刚时代小说的机器翻译
本文基于神经机器翻译(NMT)和短语统计机器翻译(PBSMT)训练了英语到加泰罗尼亚语的文学适应翻译系统,并在 12 部文学作品上进行了评估,结果表明基于 NMT 的系统相对于 PBSMT 的结果有显著的提升(p<0.01), 其自动 BLEU 评估指标提高了 11%(3 个点),而人类的评估结果也证明了 NMT 翻译结果的优势。
Jan, 2018
本文追溯了现代神经机器翻译体系结构的起源,重点探讨了单个神经网络在翻译中的应用,其中涉及到 word 和 sentence embedding 以及编码器 - 解码器网络家族的早期示例,并总结了该领域的最新趋势。
Dec, 2019
我们使用深度学习技术开发了一种神经机器翻译系统,通过训练 Transformer 模型将印度语 Hindi 翻译成英语,通过实施回译增强训练数据并尝试使用 Byte Pair Encoding (BPE) 进行词汇划分,我们在 10 个不同的配置中训练 Transformer,在 IIT Bombay 英印语语料库的测试集中取得了 24.53 的最新 BLEU 分数。
Sep, 2023
Google 发布的 GNMT 神经机器翻译系统采用 LSTM 深度学习网络,使用 attention 机制和残差连接,借助词元素 (wordpieces) 将单词划分为子单元,提高了稀有单词处理能力与整体系统精度。
Sep, 2016
该论文介绍了一个新的神经机器翻译系统,并将其与两个常规的在线引擎(统计和神经)以及作者自己的统计机器翻译系统进行了基准测试。同时,该论文还分析了句子长度对统计机器翻译和神经机器翻译系统翻译输出质量的影响。
Jul, 2017
提出了一种神经机器翻译的方法,利用一种新的候选采样策略,基于强化学习技术提高翻译模型的机器导向性,从而产生最适合用作特定下游任务的自然语言处理组件输入的翻译结果,这种方法可以显著提高英文分类器对 Twitter 数据的情感分类的性能。
Oct, 2019
本文介绍了一个基于 Transformer 结构和 OpenNMT 框架的 En/Ja 神经机器翻译系统的构建,详细探讨了预处理、超参数调整和模型结构等因素的影响,并通过 BLEU 等标准自动评估指标以及作者的主观评估证实了其优异性能。
Feb, 2022