low-resource scenario | BriefGPT

关键词low-resource scenario

搜索结果 - 12

通过多语言提示翻译进行自然语言推理的跨语言迁移
基于多语言预训练模型，通过提示学习的跨语言转移已显示出有希望的有效性，其中在低资源情景中，从源语言到目标语言的软提示转移到下游任务中。为了有效地转移软提示，我们提出了一个新颖的框架 —— 多语言提示翻译器（MPT），通过引入多语言提示翻译器
PDF3 months ago
DAIL: 利用自己的改写来增强上下文学习的数据增强
通过数据增强的方法，利用大规模预训练的语言模型，提出了一种名为 DAIL 的上下文学习方法，该方法在低资源环境中取得了比标准的 ICL 方法和其他组合方法更好的效果，并探索了投票一致性作为模型置信度评分的应用。
PDF8 months ago
用于自监督编码器 - 解码器语音模型的提示和适配器调整
通过在 Wav2Seq 模型上进行提示和适配器调优，我们在序列生成任务中取得了显著的成果，尤其在 ASR 的词错误率和槽位填充的 F1 分数上相对于往前的工作分别提高了 53% 和 27%。在 7 种语言中，当可训练参数有限时，提示和适配器
PDF9 months ago
ACL重新思考翻译记忆增强神经机器翻译
本研究通过概率检索和方差 - 偏差分解原理，重新思考了翻译记忆增强神经机器翻译（TM-augmented NMT）。研究发现，TM-augmented NMT 能够很好地拟合数据，但对训练数据的波动更为敏感，为同一翻译任务上最近报告的矛盾现
PDFa year ago
翻译是否有帮助？低资源对话生成中跨语言转移的实证分析
本文研究了在跨语言对话生成任务中是否使用机器翻译系统能够提高中文的自然度、相关性和跨领域可传递性，研究表明直接使用英语对话语料比使用翻译版本更好。建议未来的研究应集中于利用英语数据进行跨语言转移。
PDFa year ago
CoCo: 在数据限制下利用对比学习增强一致性的机器生成文本检测
本论文提出了一种名为 CoCo 的基于连贯性图和对比学习的模型，用于检测低资源情况下的机器生成文本；该方法采用预训练模型和图神经网络将文本表示为连贯性图，并使用改进的对比损失函数应对数据限制挑战，实验结果表明 CoCo 方法优于现有的最先进
PDF2 years ago
AAAI基于跨语言预训练的零 - shot 神经机器翻译迁移
通过跨语言预训练的双语预训练方法，建立了通用编码器，将传递者和接受者的语言空间对齐，使得零翻译成为可能。实验结果表明，该方法显著优于强的基准线和各种多语言 NMT 方法。
PDF5 years ago
以关键事实为枢轴：低资源表格到文本生成的双阶段模型
在仅有有限平行数据的低资源情况下，本文提出了一种将结构化数据转化为非结构化文本的表格转文本生成模型，将生成过程分为关键事实预测和表面实现两个阶段，其中关键事实预测需要的注释数据更少，而表面实现则可以通过伪平行语料库进行训练，在传记生成数据集
PDF5 years ago
EMNLP从人类的理性推论中推导机器的关注
本文研究了基于注意力机制对低资源场景下自动学习映射的问题，并提出了一种可以实现从资源丰富的领域到低资源领域的映射方法，在基准数据集上取得了 15% 以上的平均误差降低率。
PDF6 years ago
ACL预训练词嵌入何时、为何对神经机器翻译有用？
本研究分析了预训练词向量在低资源场景下神经机器翻译性能提升方面的作用，通过五组实验结果表明，在某些情况下词向量的使用可以使翻译结果达到最高 20 个 BLEU 分数的提升。
PDF6 years ago
NIPS低资源情境下有效学习的一种新方法
提出了一种称为 s2sL 的新框架，采用同时考虑两个样本的方式来有效地学习类别判别特性，展示了其在语音 / 音乐识别、情感分类、低资源场景和数据不平衡方面的有效性。
PDF7 years ago
WMT17 自动后编辑任务的 LIG-CRIStAL 系统
本文介绍了 LIG-CRIStAL 团队在 WMT2017 共享的自动后期处理任务中的两个神经后期编辑模型：一个具有任务特定关注机制的单源模型，适用于低资源场景；另外一个是使用源语句提供额外上下文的链接架构，并能在更多的训练数据可用时略微提
PDF7 years ago