Oct, 2023

Nko 机器翻译：工具、语料库和基准结果

PDF
TL;DR该研究提供了一套工具和资源以及基准结果，针对 Nko 语和其他缺乏足够大的平行文本语料库的语言的可用机器翻译系统的开发进行了研究。
nkomachine translation systemcollaborative parallel text curation softwareparallel text corporaneural machine translation
发现论文，激发创造
  • 在卢干达语和英语之间构建平行语料库和训练翻译模型

    本文介绍了一个针对 Luganda 语的 NMT 模型，首次建立 Luganda-English 双语平行语料，并且我们的模型在语言翻译 BLEU 评价中表现出较高的质量，证明为低资源语言建立机器翻译模型的可行性。

    Jan, 2023

  • Ngambay - 法语神经机器翻译 (sba-Fr)

    该研究聚焦于低资源语言，特别关注尼日尔的低资源语言，制定了有效的数据收集方法，构建了第一个 sba-Fr 数据集，并对三个预训练模型进行了优化，结果显示 M2M100 模型在原始数据和原始 + 合成数据上都取得了较高 BLEU 分数，该公开数据集可用于研究目的。

    Aug, 2023

  • 英语 - 特威语机器翻译平行语料库

    本研究提供一份用于英语和 Akuapem Twi 的平行机器翻译训练语料库，其中包含 25,421 组句子对，主要使用 Transformer 为基础的翻译器生成初始的 Akuapem Twi 翻译，并通过由母语为 Akuapem Twi 的人验证和校对以消除翻译错误，同时提供了更高质量的 697 个众包句子，可用于下游自然语言处理任务的评估集。此研究通过 fine-tune transformer 翻译模型在该训练语料库上训练，并在众包测试集上进行性能基准测试，推荐这一数据集用于 Akuapem Twi 机器翻译的进一步训练和评估。

    Mar, 2021

  • KazParC: 机器翻译用的哈萨克平行语料库

    我们介绍了 KazParC，这是一个用于哈萨克语、英语、俄语和土耳其语机器翻译的并行语料库。KazParC 是首个也是最大的公开可用语料库，包含 371,902 个不同领域的平行句子，是通过人工翻译帮助开发的。我们的研究还延伸到了开发一种名为 Tilmash 的神经机器翻译模型。令人惊讶的是，Tilmash 在某些情况下的性能达到或超过了行业巨头，例如 Google Translate 和 Yandex Translate，由标准评估指标（如 BLEU 和 chrF）衡量。KazParC 和 Tilmash 都可在我们的 GitHub 仓库上以 Creative Commons Attribution 4.0 国际许可证（CC BY 4.0）进行下载。

    Mar, 2024

  • 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

  • 多语言到英语机器翻译工具、数据和预训练模型

    本文提出三种工具：MTData、NLCodec 和 RTG，设计一个能够从 500 种源语言翻译成英语的多语言神经机器翻译模型，支持语言种类很多，且模型容易下载和使用。

    Apr, 2021

  • 塞内加尔沃洛夫语的低资源机器翻译

    本文介绍了一种基于循环神经网络（RNN）的机器翻译模型，结合次词单元和法语 - 英语语言对培训，提高了 Wolof / 法语对翻译性能。

    May, 2023

  • 面向斯拉南东戈语的通用机器翻译系统

    本研究在于创建一种通用的机器翻译系统以翻译 Surinam 的一种低资源克里奥尔语 ——Sranantongo。为了便于这项研究，我们引入了 SRNcorpus，这是一个由双语荷兰语（nl）和单语 Srn 数据并集组成的语料库，并对多种机器翻译方法进行了实验。我们的研究结果表明，为 Srn 提供了一个强有力的基线机器翻译系统。

    Dec, 2022

  • 构建东北印度极低资源语言机器翻译平行语料的首次尝试

    该论文介绍了为印度东北地区的十三种资源非常匮乏的语言创建初始的双语语料库，同时提供了这些语言的初始翻译结果。该论文还创建了这些语言的首个平行语料库，并提供了关于这些语言的基准神经机器翻译结果。我们打算将这些语料库扩展到包括大量资源匮乏的印度语言，并结合我们之前在非洲和美洲印第安语言方面的工作，创建覆盖世界各地大量语言的语料库。

    Dec, 2023

  • Feriji：法语 - 查尔马汉语平行语料库、词汇表与翻译工具

    该研究介绍了 Feriji，第一个设计用于机器翻译的法语 - 扎尔马语并行语料库和词汇表，这对于解决扎尔马语资源匮乏的问题具有重要意义，研究通过在数据集上微调三个大型语言模型，使其在 BLEU 评估上达到 30.06，同时借助该语料库和模型的人工评估，进一步提高了扎尔马语的流畅度、理解度和可读性，填补了重要的语言差距，促进了非洲土著语言的发展。

    Jun, 2024