ACLMay, 2022

ParaCotta: 来自最具多样性的翻译样本对的合成多语言释义语料库

PDF
TL;DR使用神经机器翻译系统，通过 beam search 生成多个候选翻译样本，选择词汇最多样化的一对生成句式相似，语义丰富、跨 17 种语言的人工合成平行释义语料库，并用 BLEU 对比了其与 ParaBank2，结果表明其生成的句子语义类似而且词汇丰富度较高。
parallel paraphrase corpus17 languagesneural machine translationsynthetic paraphrase pairslexical diversity
发现论文，激发创造
  • ParaBank：基于词汇约束神经机器翻译的单语种双语文本生成和句子改写

    该论文介绍 ParaBank，这是一个大规模的英语释义数据集，使用神经机器翻译和词汇约束生成英语句子的多个高质量释义版本，可用于句子改写任务。

    Jan, 2019

  • ParaAMR：一种大规模的语法多样化释义数据集，基于 AMR 回译得出

    本文介绍了一种通过抽象意义表示来创建大规模句法多样的同义句数据集 ParaAMR，并证明了其在各种 NLP 应用方面的巨大潜力。

    May, 2023

  • 多语言神经机器翻译中使用外语重述

    本文介绍如何使用包含一致结构的训练数据作为语料库级别的释义，并将释义视为外语词汇进行 Neural Machine Translation 的训练。本方法表现出比过去的单词或短语级别的方法更好的效果，并且在使用多种语言的平行释义进行训练时表现最佳。该方法提高了翻译的 BLEU 分数，增加了词汇选择的熵和多样性。

    Aug, 2018

  • 六种语言的开放字幕释义语料库

    介绍了 Opusparcus 这个新的近义词语料库，其中包括六种欧洲语言的训练、开发和测试数据集。这些数据集是从 OpenSubtitles2016 中提取的，可用于计算机辅助语言学习等领域。

    Sep, 2018

  • 将改写生成视为零样本多语言翻译：将语义相似性从词汇和句法多样性中分离开来

    通过引入简单的改进算法，不鼓励生成输入中已有的 N-grams，利用多语言神经机器翻译模型生成同义句，控制输入和输出之间的词汇多样性，人工评估表明，该方法比基于 ParaBank 2 的同义句生成器更好地维护意义和语法正确性，并且在两种非英语语言上也同样有效。

    Aug, 2020

  • ParaFusion：添加高质量词汇和句法多样性的基于大规模 LLM 驱动的英语改写数据集

    ParaFusion 是使用大型语言模型（LLM）开发的大规模高质量英语改写数据集，旨在解决现有数据集中语法和词汇多样性不足、与原始句子十分相似以及包含仇恨言论和噪音等问题，为提高自然语言处理（NLP）应用提供了一个更加干净和专注的资源。

    Apr, 2024

  • 一个平行的翻译语料库

    本研究描述了一系列双语英语 - 法语和英语 - 德语平行语料库，其中翻译方向经过准确可靠的注释。这些语料库多样化，包括议会议事录、文学作品、TED 演讲的抄录和政治评论。它们将对翻译和机器翻译的语言研究和应用具有重大意义，特别是在翻译 ese 识别方面，这是近年来越来越受到关注的研究方向。为了验证语料库的质量和可靠性，我们复制了先前在翻译 ese 的监督和无监督识别方面的结果，并将实验进一步扩展到其他数据集和语言。

    Sep, 2015

  • 仅使用合成的平行数据构建神经机器翻译系统

    本文探讨了使用合成的并行数据在神经机器翻译中的作用，提出了一种新型的伪并行语料库，在捷克 - 德语和法语 - 德语翻译方面进行了实验证明其有效性。

    Apr, 2017

  • 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

  • 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