bitext mining | BriefGPT - AI 论文速递

关键词bitext mining

搜索结果 - 6

ACLxSIM++: 低资源语言双语挖掘性能的改进代理
本论文介绍了一个新的代理打分方法 - xSIM++，它可以更准确地评估多语言嵌入位文挖掘的相似性。作者通过实验验证，xSIM++ 比 xSIM 更好地预测了位文挖掘对翻译系统性能的影响，并提供了不同类型错误的性能报告。
PDFa year ago
跨语言一致性正则化学习多语句子表示
MuSR 是一种支持 220 多种语言的全能多语种句子表示模型，通过使用数十亿个英文为中心的平行语料库，采用使用跨语言一致性规则化技术的多语言 NMT 框架，以训练多语言 Transformer 编码器，并采用辅助 Transformer
PDFa year ago
超越对比学习：一种多语言检索的变分生成模型
本文提出了一种新的多语种文本嵌入生成模型 —— VMSST，通过在 $N$ 种语言的并行数据上运行，通过一个引入的近似算法，在多语种语境中鼓励源分离，我们在比较学习多语种文本嵌入的对比和基于生成的方法时，对其进行了仔细的大规模比较，并对其进
PDF2 years ago
使用蒸馏句子表示进行低资源语言的双语文本挖掘
通过师生模型训练多种语言的表示，可以在非常低资源的条件下为非洲语言等许多不常见的语言建立有用的文本数据集。
PDF2 years ago
ACL无监督双语平行语料库构建及词对齐的双语词汇识别
本文提出了一种过程，结合自监督的双文本挖掘与自监督的词对齐，从而产生更高质量的双语词典，进一步地，学习过滤结果的词汇条目，最终模型在 12 种语言对上的 BUCC 2020 共享任务中，比现有技术提高了 14 个 F1 点，同时提供更加可解
PDF4 years ago
CCMatrix: 在 WEB 上挖掘数十亿高质量平行句子
通过使用边际化双语挖掘技术在多语言句子空间内，我们能够针对百亿级别的单语语料库，挖掘出 45 亿双语句子。使用这些挖掘的数据，我们在 TED、WMT 和 WAT 的测试集上，超越了 WMT'19 的最佳结果，并且对于远程语言对（如俄语 /
PDF5 years ago