Jun, 2024

Feriji：法语 - 查尔马汉语平行语料库、词汇表与翻译工具

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • MMTAfrica: 非洲语言的多语言机器翻译

    本文描述了我们在 2021 年 WMT 共享任务：大规模多语言机器翻译中针对非洲语言的多语言机器翻译任务，提出了第一个多对多非洲语言翻译系统 MMTAfrica，并介绍了一种新的反向翻译和重构目标 BT&REC，可有效利用单语数据。通过 MMTAfrica 在 FLORES 101 基准测试中的结果展示，取得了重大的改进和进步。

    Apr, 2022

  • FFR V1.0: Fon-French 神经机器翻译

    该研究介绍了针对非洲语言低资源、调性复杂性的挑战，使用重要性语言在跨文化交流中的作用及需要准确模型的必要性来实现了 Fon 语及法语之间的机器翻译模型。

    Mar, 2020

  • FFR v1.1：法语 - 法语言机翻译

    本研究介绍了一种从低资源语言 Fon 翻译成法语的神经机器翻译模型，通过描述 FFR 数据集、语音标点编码过程和 FFR v1.1 模型的训练过程，旨在打破非洲语言壁垒问题，提高翻译模型鲁棒性。

    Jun, 2020

  • 面向低资源语言的领域特定机器翻译：以班巴拉语 - 法语为例

    这篇论文关注低资源语言的机器翻译，特别针对马里的曼德语 Bambara 进行领域特定的机器翻译，构建了第一个 Bambara 到法语的领域特定平行语料库，并探讨了在小数量领域特定数据下进行低资源语言研究的挑战，进而展示在该数据下的机器学习实验结果。

    Mar, 2021

  • HausaMT v1.0：面向英豪撒神经机器翻译

    构建英豪沙机器翻译基线模型，通过采用标准单词级和 BPE 子词级标记方法使用循环和变压器编码 - 解码架构评估模型性能，以改善低资源语言的神经机器翻译问题。

    Jun, 2020

  • MorisienMT：毛里求斯克里奥尔机器翻译数据集

    本文介绍了 MorisienMT 数据集，用于评估毛里求斯克里奥尔语的机器翻译质量。该数据集包括英语和 Morisien、法语和 Morisien 之间的平行语料库以及 Morisien 的单语语料库。我们使用这些数据集作为基线模型并进行了训练和评估。我们公开了我们的数据集用于研究目的，希望这将促进 Morisien 机器翻译的研究。

    Jun, 2022

  • EthioMT：适用于低资源埃塞俄比亚语言的平行语料库

    自然语言处理在机器翻译、新闻分类和问答等高资源语种的任务上取得了显著的性能，但对于低资源语种的机器翻译仍有待改善。本文介绍了 EthioMT，一个包含 15 种语言的新的平行语料库，同时收集了一份更为研究充分的语言在埃塞俄比亚的基准数据集，通过使用变压器和微调方法对 23 种埃塞俄比亚语言的新收集语料和基准数据集进行评估。

    Mar, 2024

  • 为人道主义应对而设计的刚果斯瓦希里语机器翻译

    本文描述了我们的努力，以制作一种双向科刚古斯瓦希里语（SWC）到法语（FRA）的神经机器翻译系统，旨在改善人道主义翻译工作流程，并记录了在低资源方法学和半监督学习方面的相关实验结果。我们在泛领域平行语料库和公开可用数据的基础上进行了训练。在 SWC-FRA 和 FRA-SWC 方向上，我们记录了 BLEU 点数提高了 2.4 个和 3.5 个。我们进行了人工评估，评估了我们的模型在刚果民主共和国（DRC）操作的 COVID 领域聊天机器人中的可用性。

    Mar, 2021

  • Nko 机器翻译：工具、语料库和基准结果

    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。

    Oct, 2023