关键词neural machine translation models
搜索结果 - 7
- 增强低资源语言的神经机器翻译：语料库开发、人工评估和可解释 AI 架构
该研究旨在研究机器翻译中 Transformer 模型在低资源语言对（英爱尔兰语和英马拉地语）中的效果，并通过优化超参数和子词模型类型来显著提高低资源语言对的翻译质量。此外，还引入了 adaptNMT 和 adaptMLLM 两个开源应用程 - Tencent WMT22 大规模非洲语言多语言机器翻译系统
本文介绍了腾讯的多语言机器翻译系统，该系统使用数据扩增、分布式稳健优化和语系分组等技术来应对数据不平衡和多语言难题，其中在 WMT22 的有限数据情况下，取得了第一名的成绩。
- 正确我吧：从错误纠正和标记中学习
该论文通过研究 TED 演讲的翻译数据，提出使用错误标记的标注模式可以更加高效地训练神经机器翻译模型，同时保证较高的信号强度和良好的标注代价。
- 神经机器翻译模型的语言表征能力
本研究分析了神经机器翻译模型在不同粒度上学习到的表示，并通过相关的外围特性对其质量进行评估，结果表明深层次的 NMT 模型学习了大量的语言信息，其中鲜明的发现包括：（i）词组结构和词类等语言单元在模型较低的层次上被捕捉；（ii）而词汇语义或 - D-PAGE：多样化的近义词生成
本文提出了一种基于神经机器翻译模型的多样化言语转述生成方法 (D-PAGE)，在两个真实基准数据集上进行实验并基于 Jeffrey's Divergence 等评价指标表明 D-PAGE 与基线方法相比至少产生了 10 倍以上的多样化输出。
- 利用神经机器翻译嵌入词汇相似度
该研究探讨神经机器翻译模型所学到的嵌入，在需要同时考虑概念相似性和词汇 - 句法角色知识的任务中，它们的性能优于单语言模型所学到的嵌入。研究结果还表明，词汇扩展算法对嵌入质量的影响很小。
- 不是所有神经嵌入都是平等的
研究神经机器翻译模型和单语模型在表征词汇相似性和语法角色方面的性能，结果表明，神经翻译模型在捕捉概念的本体论状态方面比单语模型更胜一筹。