该研究论文深入探讨了集成神经语言模型在翻译系统中的应用,评估了多种扩展神经模型的技术对最终翻译质量的影响,并提出了一系列训练算法、优化技巧和建议,以构建一个适用于机器翻译的可扩展的神经语言模型。
Dec, 2014
本文评估了新兴的神经机器翻译系统和基于短语的机器翻译系统在九种语言方向上的表现,发现相对于基于短语的系统,神经机器翻译系统翻译更为流畅和准确,但在翻译超长句子时表现差。
Jan, 2017
使用单语数据生成目标语反向翻译的有效方法能够提高神经机器翻译质量。本研究比较了几种方法生成合成源句子的效果,发现使用采样或噪声束搜索的反向翻译方法效果最好,并证实这种合成数据的训练信号强于束搜索或贪婪搜索的数据,同时也比较了它们与真实的平行语料库的效果,并研究了不同领域对它们的影响。最终,将这种方法扩展到数亿条单语数据,获得了35 BLEU的WMT'14英德测试集上的最新记录。
Aug, 2018
本文对神经机器翻译的数据生成进行了系统研究,比较了不同的单语数据使用方法和多个数据生成过程,并介绍了一些便宜易实现的新数据模拟技术。研究发现,通过回译技术生成人工平行数据非常有效,并给出了原因解释。
Mar, 2019
通过利用附加单语资源来创建合成训练数据,可以提高神经机器翻译的质量,本文探讨了前向翻译和反向翻译在翻译源语句子和目标语句子时的优点,并研究了不同地域、语言和噪音环境下翻译的影响。另外,本文还给出了低资源情况下前向和反向翻译的比较。
Nov, 2019
本文提出了使用不同的机器翻译方法进行回译来生成合成训练语料,并使用数据选择策略来优化其性能,进而提高低资源语言的机器翻译质量。结果表明,这种方法可以有效地提升机器翻译的性能。
May, 2020
本篇论文提出了一种基于交叉学习的半监督学习算法,其中使用了背译和变分自编码器以及分类重参技巧来提高机器翻译的质量。
Feb, 2022
本文探讨了如何在低资源情况下进行自动评估翻译,并提出使用往返翻译(round-trip translation)技术进行无参考自动评估的方法。我们发现,修改翻译模型中的复制机制可以使这种评估方法更准确。此外,我们还证明,往返翻译可以在多种机器翻译质量评估任务中发挥作用。
Sep, 2022
利用大型语言模型(LLM)进行神经机器翻译和自动后编辑,并借鉴低秩适配器微调的方法,在句子和文档级别的度量上取得显著改进,同时还研究了利用人工修正来减少后续翻译所需的编辑次数的实际应用场景。
Oct, 2023
机器翻译在高资源语言取得了接近人类水平的成绩,但低资源语言的研究表明并非所有语言都能从多语言系统中受益。本文通过应用神经机器翻译技术,研究了德语和巴伐利亚语之间的自动翻译系统,并针对低资源语言的困难提出了创新的解决方案,如利用语言相似性和后向翻译等方法来改进翻译性能。
Apr, 2024