Nov, 2023

用机器翻译控制目标语言的正式特征

TL;DR研究探索了在使用机器学习方法将英语翻译成带有形式化特征语言时,如何解决形式化信息缺失的问题,通过使用印地语作为示例数据,在形式化受控环境中训练双语模型,并与预训练的多语言模型在类似环境中的性能进行比较。主要建模方法是利用转换器模型,通过比较预测的被标记词与期望输出的实际词的准确度(ACC)来评估正式性准确性。这项研究展示了一种灵活的翻译策略,考虑了目标语言中形式化的细微差别,迎合了多样化的语言交流需求和场景。