May, 2023

通过正确翻译命名实体来提高神经机器翻译质量

PDF
TL;DR本文介绍了一种通过将名称实体作为预处理步骤进行翻译 / 音译来提高神经机器翻译质量的方法，并进行了实验证明其性能提高。考虑了三种类型的名称实体，包括人名、地名和组织名。结果表明，该系统能够正确翻译大多数名称实体，其准确率为人名 99.86％，地名 99.63％，组织名 99.05％，总体准确率为 99.52％。
发现论文，激发创造
  • 使用新的命名实体翻译方案改善 MT 输出的质量

    本文通过将当前最先进的名词实体翻译方案与转音符号结合，引入了一个新的机器翻译方法。作者通过构建多种基于统计规则的音节分隔规则，借助概率计算得到一个英语到旁遮普语的名词实体翻译与转音符翻译系统，通过调用统计机器翻译工具 MOSES 提高了翻译质量。

    Oct, 2013

  • 跨语言命名实体识别中的实体投影机器翻译

    利用机器翻译提升跨语言命名实体识别中的注释映射技术并得到优越的实验结果。

    Aug, 2019

  • DEEP: 神经机器翻译去噪实体预训练

    该论文介绍了 DEEP 方法，借助大量单语数据和知识库，通过去噪自编码器和多任务学习的方式，提高在句子内进行命名实体翻译的准确性，实验结果表明在三种语言对翻译中 DEEP 方法相较于其他方法具有更好的表现。

    Nov, 2021

  • 神经网络名称翻译提高神经机器翻译

    本文旨在通过引入字符级的 Seqence-to-Sequence 模型来提高神经机器翻译（NMT）系统的翻译效果和识别实体名词的能力，并在双语训练中借助名称实体翻译模型来提高高质量的实体名词对齐，从而使中英翻译任务的 BLEU 分数比基础 NMT 系统提高了 2.9 个百分点。

    Jul, 2016

  • 提炼并关注：改进神经机器翻译中的实体翻译

    提出了一个提取和关注的方法来增强 NMT 中的实体翻译，方法是先从字典中提取源实体的翻译候选项，然后添加为解码器输入的前缀，以便通过自我注意力机制生成目标语句。实验证明，该方法有效地提高了实体翻译和整体翻译质量。

    Jun, 2023

  • 直接言語翻譯中的命名實體檢測與注入

    本文探讨了如何利用在特定环境下出现的命名实体词典来提高语音转文本模型的准确性， 实验证明使用 NE 词典可以有效提高命名实体的准确性，降低人名错误率达 31%。

    Oct, 2022

  • 机器翻译用于生成命名实体数据集的潜力探索：波斯语和英语之间的案例研究

    通过将机器翻译应用于英语数据集，本研究聚焦于生成波斯语命名实体数据集。通过实验评估，最高的 F1 分数是 CoNLL 2003 数据集的 85.11％。本研究的结果强调了机器翻译在为低资源语言（如波斯语）创建高质量的命名实体识别数据集方面的潜力，并提供了有关机器翻译在此任务中有效性的见解。此外，此方法可用于增强低资源语言中的数据或创建嘈杂数据以使命名实体系统更加稳健并改进它们。

    Feb, 2023

  • 如何处理语音翻译中的人名？

    本文通过分析 ASR/ST 系统的输出，针对人名转录 / 翻译的失败原因，采用创建多语言模型并强制系统共同生成转录和翻译的方法，从而显著提高了人名准确性。

    May, 2022

  • 跨文化姓名识别

    该研究旨在改进个人姓名的识别，在识别不同文化背景下的姓名方面，通过实验比较结合字符和词的输入模型与传统的 NER 模型，发现该模型表现更好且可能提高准确率。

    Jan, 2024

  • 使用回译的数据增强方法应用于低资源的命名实体识别

    本文提出了基于回译技术的数据增强策略，用于命名实体识别任务的低资源域，实验结果表明该方法在材料科学和生物医学领域中均表现出了高效的性能。

    Aug, 2021