Jul, 2024

通过技术提升语言学习：介绍一种新的英语-阿塞拜疆语（阿拉伯字母）平行语料库

HTML
PDF
TL;DR介绍了一种开创性的英语-阿塞拜疆语（阿拉伯字母表）平行语料库，旨在弥补在语言学习和机器翻译方面的技术差距，对于资源有限的语言。它由新闻文章和圣典等多种来源构成，旨在增强自然语言处理应用和语言教育技术。通过提出针对英语-阿塞拜疆语（阿拉伯字母表）语言对的首个全面案例研究，这项工作强调了神经机器翻译在资源匮乏环境中的转型潜力。该语料库的开发和利用不仅有助于推动为特定语言需求量身定制的机器翻译系统的发展，还通过技术促进包容性语言学习。研究结果表明，该语料库在训练深度学习机器翻译系统方面的有效性，并突出了其作为研究人员和教育工作者的重要资产，目标是促进双语教育和多语交流。这项研究为对数字资源相对缺乏的语言的神经机器翻译应用开辟了未来的探索道路，从而提升全球语言教育框架。
发现论文，激发创造
  • 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

  • 多语言神经机器翻译综述

    本文旨在介绍多语言神经网络机器翻译（MNMT）的概述，重点关注其经验转移的传输学习方法，对相关研究领域、建模原理和挑战进行了细致分类，讨论了不同技术的优劣，并探讨了未来的研究方向。

    Jan, 2020

  • 完整的多语种神经机器翻译

    本文着眼于多语种神经机器翻译模型在英语为中心的双语语料库上的训练，结合多方对齐的语料库重新构建了完整图模型，展示了该模型在多语种翻译中的有效性和竞争力。

    Oct, 2020

  • nmT5 - 预训练大规模多语言语言模型是否仍需使用平行语料？

    本文研究了在 mT5 预训练模型中加入平行数据对其性能的影响，结果表明：在预训练期间将多项任务结合进行语言建模，特别是机器翻译等目标任务，可以明显提高其在多语种和跨语种任务中的性能，但随着模型容量的增加，收益开始减少，这表明平行数据对较大的模型来说可能并不那么重要；同时，在有限的标记数据环境中，即使在较大的模型尺寸下，使用平行数据进行预训练仍然具有优势。

    Jun, 2021

  • 突厥语言机器翻译的大规模研究

    本文是大规模实际应用机器翻译于突厥语系的案例研究，在高、低资源场景下使用平行语料库、双语基准和人工评估结果来识别瓶颈，并提供这些数据与模型的公开开放。

    Sep, 2021

  • 评估土耳其语系多语言多向NMT技术

    本研究通过对土耳其语系22种语言的大规模机器翻译系统的培训和评估，发现MNMT模型在领域外测试集中的表现优于几乎所有双语基线，并在单对下游任务的微调中也获得了巨大的性能提升。

    Sep, 2021

  • DivEMT: 跨语言类型的神经机器翻译后编辑的努力

    本研究针对多种语言数十款神经机器翻译模型，通过一项系统性的翻译后修订实验，对每种翻译成果进行了专业化评估，并公开了完整数据集，旨在进一步研究神经机器翻译系统的翻译能力。

    May, 2022

  • 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

  • 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

  • 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