EMNLPOct, 2021

PhoMT: 一个高质量和大规模的越南语 - 英语机器翻译基准数据集

PDF
TL;DR本文介绍了一个高质量、大规模的越南语 - 英语平行数据集，进行了机器翻译的比较实验，结果表明在预训练序列到序列去噪自编码器 mBART 上的微调获得了最好的性能，这是第一个大规模的越南语 - 英语机器翻译研究，希望这个公开的数据集和研究能成为未来越南语 - 英语机器翻译研究和应用的起点。
发现论文，激发创造
  • 一个高质量且大规模的英越语音翻译数据集

    本研究介绍了一个高质量和大规模的英越语音翻译基准数据集，并使用强基线进行实证实验，发现传统的 “级联” 方法仍然优于现代的 “端到端” 方法，这是有关大规模英越语音翻译的第一项研究，我们的数据集和研究可用于未来研究和应用的起点。

    Aug, 2022

  • MTet: 英越多领域翻译

    MTet 是最大的公开平行语料库，包含 420 万高质量的训练句对和一个多领域测试集，同时发布了首个预训练的 EnViT5 模型，与之前的研究相比，其翻译 BLEU 得分最多提高 2 分，同时比之前的模型小 1.6 倍。

    Oct, 2022

  • 越南语和英语之间的机器翻译：一项实证研究

    本论文的研究目的是针对低资源语言对英越语言对进行机器翻译，通过构建历史上最大的越南 - 英语语料库以及采用最新的神经机器翻译模型进行广泛实验，从而实现最高 BLEU 得分。该研究为有效使用不同神经机器翻译模型提供了实际示例。

    Oct, 2018

  • 改善越南 - 英文医学机器翻译

    介绍了 MedEV 数据集，通过对其进行广泛实验，发现对于每个翻译方向，通过对 'vinai-translate' 进行微调，可以实现最佳性能，进而推动进一步的研究。

    Mar, 2024

  • BARTpho: 为越南语预训练的序列到序列模型

    本文介绍了两个版本的 BARTpho 模型：BARTpho-syllable 和 BARTpho-word，这两个模型是首个由越南语言训练的公共大规模单语序列到序列模型，使用 BART 的预训练机制，适用于生成式自然语言处理任务。在越南文本摘要等下游任务中，BARTpho 比强基线 mBART 表现更好，进一步在越南大写字母和标点符号恢复任务中表现更为有效。

    Sep, 2021

  • BARTPhoBEiT：面向越南视觉问答的预训练序列到序列和图像变换模型

    我们引入了一种基于 Transformer 的越南模型 BARTPhoBEiT，该模型包括了预训练的越南序列到序列和双向编码器表示，用于评估越南语 VQA 数据集，并在准确度、精确度、召回率、F1 得分、WUPS 0.0 和 WUPS 0.9 等六个指标上优于强基准模型和现有最先进模型。

    Jul, 2023

  • PhoBERT：越南语预训练语言模型

    PhoBERT 是第一个用于越南语的公开大规模单语言模型，实验结果表明，PhoBERT 在多个越南特定的自然语言处理任务中表现优异，胜过最近最好的预训练多语种模型 XLM-R，我们发布了 PhoBERT 以促进未来的越南语自然语言处理研究和下游应用。

    Mar, 2020

  • 通过大规模翻译丰富低资源语言的生物医学知识

    本研究使用英越翻译模型将生物医学数据和基准转化为越南语，并利用大规模的越南语翻译数据训练得到了 ViPubmedT5 编解码 Transformer 模型，该模型在医学摘要和首字母缩写消歧方面取得了最先进的成果，并发布了 ViMedNLI 数据集用于 NLP 任务。

    Oct, 2022

  • VLSP 2022 年 VBD-MT 中越翻译系统

    我们的研究使用了基于神经网络的 Transformer 模型和 mBART 预训练模型，在 VLSP 2022 机器翻译任务中取得了 38.9 BLEU 的中越翻译和 38.0 BLEU 的越中翻译结果，超过了多个强基准。

    Aug, 2023

  • ParaNMT-50M：用数百万机器翻译推进释义句嵌入的极限

    使用神经机器翻译将大型平行语料库的非英语部分翻译为英语，生成超过五千万个英语句子的同义句数据集 PARANMT-50M，该数据集可用于同义句生成，提供丰富的语义知识以改善下游自然语言理解任务。我们使用 PARANMT-50M 训练了同义句嵌入，能在所有 SemEval 基于语义相似度的比赛中胜过所有监督系统，并展示了它在同义句生成中的应用。

    Nov, 2017