Jan, 2024

网络中机器翻译的惊人数量：多样并行的洞察

PDF
TL;DRWeb 内容通常被翻译成多种语言，多语言机器翻译常常质量较低，且低资源语言中占大部分的内容是机器生成的多语言内容；我们发现内容选择偏差，即低质量英文内容通过机器翻译大规模转译成较低资源语言；我们的研究对使用从网上刮取的单语和双语数据来训练多语言大型语言模型等模型提出了严重的疑虑。
发现论文，激发创造
  • 不要排除掉单语言说话者：一种众包机器翻译数据的方法

    本文提出了一种新的机器翻译数据集，利用 GIF 作为中介，从单语注释器中收集平行句子，从而降低了需要寻找、训练双语人员的成本，并经过内在和外在评估，发现使用 GIFs 收集的句子确实具有更高的质量。

    Jun, 2021

  • 多语言机器翻译的现实

    本书通过对多语言机器翻译的探讨阐述了自然语言处理、深度学习及多语言模型和迁移学习等相关问题，并提醒人们在构建大规模模型时需要考虑研究的包容性和生态痕迹。

    Feb, 2022

  • 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

  • 可访问的多语言文本分析的机器翻译

    本文研究通过机器翻译将其他语言翻译成英文进行多语言文本分析，结果表明这种方法在情感分析，主题分析和词嵌入等分析方法上，与使用源语言进行分析的结果相当，机器翻译可以帮助计算机学者做出关于人类沟通的更具包容性和普适性的结论。

    Jan, 2023

  • 野外大规模多语言神经机器翻译：发现与挑战

    我们致力于构建一款通用的神经机器翻译系统，通过构建一个单一的大规模多语言 NMT 模型，实现了 103 种语言之间的翻译，带有有效的迁移学习能力，显着提高了低资源语言的翻译质量，同时保持高资源语言翻译质量与竞争双语基线相当，为实现通用 NMT 模型的质量和实用性提供了多个方面的模型构建分析，并指出未来研究的方向和需进一步解决的问题。

    Jul, 2019

  • 低资源机器翻译调查

    介绍了低资源机器翻译研究领域的现状，重点是在少量翻译训练数据的情况下制备有用的翻译模型的挑战以及在近期几个共享任务中评估研究者的技术的描述。

    Sep, 2021

  • 跨语种分类中机器翻译的再次研究

    使用更强的机器翻译系统并减少原始文本训练和机器翻译文本推理之间的不匹配，翻译 - 测试可以比之前假定的效果更好，从而对跨语言分类的多语言模型的支配提出了质疑，并促使更多关注基于机器翻译的基准线。

    May, 2023

  • 电子商务多语言搜索中机器翻译的影响

    我们研究了不同水平的机器翻译质量对检索结果的影响；通过比较多种语言对的查询翻译，我们提出了投资和改进最有前途的语言对的策略。

    Jan, 2023

  • 基于深度多任务学习的双语稀缺情境神经机器翻译

    本文提出了一种基于多任务学习方法，利用源端的单语言语言资源来解决神经机器翻译中由于缺少平行文本造成模型质量差的问题，并采用语义分析、句法分析和命名实体识别等辅助任务以将语义和 / 或句法知识注入到翻译模型中，实现了在英法、英波斯和英越三种翻译任务上的有效性验证。

    May, 2018

  • 大规模多语言神经机器翻译

    本文探讨了多语种神经机器翻译的极限，通过实验培训了适用于 102 种语言的模型，并在 59 种语言上表现出了优异的翻译效果，表明大规模多语种神经机器翻译模型对低资源环境下的翻译质量有积极支持和刺激。

    Feb, 2019