論文の概要: A Comprehensive Survey of Multilingual Neural Machine Translation
- arxiv url: http://arxiv.org/abs/2001.01115v2
- Date: Tue, 7 Jan 2020 16:54:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 12:31:44.834451
- Title: A Comprehensive Survey of Multilingual Neural Machine Translation
- Title（参考訳）: 多言語ニューラルマシン翻訳の包括的調査
- Authors: Raj Dabre, Chenhui Chu, Anoop Kunchukuttan
- Abstract要約: 我々は多言語ニューラルマシン翻訳(MNMT)について調査する。
MNMTは、機械翻訳の研究のために、エンドツーエンドのモデリングと分散表現が新しい道を開くため、統計機械翻訳よりも有望である。
まず、その中心となるユースケースに基づいて様々なアプローチを分類し、さらにリソースシナリオ、基礎となるモデリング原則、コアイシュー、課題に基づいてそれらを分類します。
- 参考スコア（独自算出の注目度）: 22.96845346423759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a survey on multilingual neural machine translation (MNMT), which
has gained a lot of traction in the recent years. MNMT has been useful in
improving translation quality as a result of translation knowledge transfer
(transfer learning). MNMT is more promising and interesting than its
statistical machine translation counterpart because end-to-end modeling and
distributed representations open new avenues for research on machine
translation. Many approaches have been proposed in order to exploit
multilingual parallel corpora for improving translation quality. However, the
lack of a comprehensive survey makes it difficult to determine which approaches
are promising and hence deserve further exploration. In this paper, we present
an in-depth survey of existing literature on MNMT. We first categorize various
approaches based on their central use-case and then further categorize them
based on resource scenarios, underlying modeling principles, core-issues and
challenges. Wherever possible we address the strengths and weaknesses of
several techniques by comparing them with each other. We also discuss the
future directions that MNMT research might take. This paper is aimed towards
both, beginners and experts in NMT. We hope this paper will serve as a starting
point as well as a source of new ideas for researchers and engineers interested
in MNMT.
- Abstract（参考訳）: 近年,多言語ニューラルマシン翻訳 (MNMT) が注目されている。
mnmtは翻訳知識伝達(トランスファー学習)の結果、翻訳品質を向上させるのに有用である。
MNMTは、機械翻訳の研究のために、エンドツーエンドのモデリングと分散表現が新しい道を開くため、統計機械翻訳よりも有望で興味深い。
多言語並列コーパスを翻訳品質向上に活用するために多くのアプローチが提案されている。
しかしながら、包括的な調査の欠如は、どのアプローチが有望であるかを決定することが難しく、したがってさらなる調査に値する。
本稿では,MNMTにおける既存文献の詳細な調査を行う。
まず、その中心的なユースケースに基づいてさまざまなアプローチを分類し、次にリソースシナリオ、基盤となるモデリング原則、コアイシュー、課題に基づいてさらに分類します。
可能な限り私たちは,いくつかのテクニックの長所と短所を,それらを比較することによって解決します。
MNMT研究がもたらす今後の方向性についても論じる。
本論文はnmtの初心者と専門家の両方を対象としている。
この論文が、mnmtに関心を持つ研究者やエンジニアのための新しいアイデアの出発点となることを願っている。
関連論文リスト
- Extending Multilingual Machine Translation through Imitation Learning [60.15671816513614]
Imit-MNMTは、タスクを専門家の行動を模倣する模倣学習プロセスとして扱う。
提案手法は,新言語と原言語の翻訳性能を大幅に向上させることを示す。
我々はまた、我々のアプローチがコピーとオフターゲットの問題を解決することができることを示した。
論文 参考訳（メタデータ） (2023-11-14T21:04:03Z) - Towards Effective Disambiguation for Machine Translation with Large
Language Models [65.80775710657672]
我々は「あいまいな文」を翻訳する大規模言語モデルの能力について研究する。
実験の結果,提案手法はDeepLやNLLBといった最先端システムと5つの言語方向のうち4つで一致し,性能を向上できることがわかった。
論文 参考訳（メタデータ） (2023-09-20T22:22:52Z) - Revisiting Machine Translation for Cross-lingual Classification [91.43729067874503]
この分野のほとんどの研究は、機械翻訳コンポーネントではなく多言語モデルに焦点を当てている。
より強力なMTシステムを用いて、原文のトレーニングと機械翻訳テキストの推論のミスマッチを緩和することにより、翻訳テストは以前想定していたよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-23T16:56:10Z) - Exploring Human-Like Translation Strategy with Large Language Models [93.49333173279508]
大規模言語モデル(LLM)は、一般的なシナリオにおいて印象的な機能を示している。
本研究は,マルチアスペクト・プロンプトと選択のためのMAPSフレームワークを提案する。
品質推定に基づく選択機構を用いて,ノイズや不ヘッピーな知識を抽出する。
論文 参考訳（メタデータ） (2023-05-06T19:03:12Z) - Neural Machine Translation For Low Resource Languages [0.0]
本稿では,低資源言語の領域を考察し,最先端の結果を得るためにニューラルマシン翻訳モデルを構築する。
本稿は,mBART言語モデルを構築し,様々なNLPおよびディープラーニング技術でそれを拡張するための戦略を探究する。
論文 参考訳（メタデータ） (2023-04-16T19:27:48Z) - Towards Better Chinese-centric Neural Machine Translation for
Low-resource Languages [12.374365655284342]
ニューラルマシン翻訳(NMT)システムの構築は、特に低リソース環境において急激なトレンドとなっている。
最近の研究は、英語を中心とした低リソースのNMTシステムを研究する傾向にあるが、中国語など他の言語を中心とした低リソースのNMTシステムに焦点を当てる研究はほとんどない。
本稿では,モノリンガル単語の埋め込みによるデータ強化,バイリンガルカリキュラム学習,コントラスト的再ランク付けを活用した勝者競争システムを提案する。
論文 参考訳（メタデータ） (2022-04-09T01:05:37Z) - Neural Machine Translation for Low-Resource Languages: A Survey [2.3394850341375615]
本稿では,低リソース言語NMT(LRL-NMT)における研究の進展に関する詳細な調査を行う。
所定のLRLデータ設定に対して可能なNMTテクニックを選択するためのガイドラインを提供する。
また、LRL-NMTの研究努力をさらに強化するためのレコメンデーションのリストも提供している。
論文 参考訳（メタデータ） (2021-06-29T06:31:58Z) - Neural Machine Translation: A Review of Methods, Resources, and Tools [47.96141994224423]
機械翻訳(MT)は自然言語処理の重要なサブフィールドである。
エンドツーエンドのニューラルネットワーク翻訳(NMT)は大きな成功を収め、実用的なMTシステムにおける新しい主流の方法となっています。
論文 参考訳（メタデータ） (2020-12-31T09:35:27Z) - Dual Past and Future for Neural Machine Translation [51.418245676894465]
我々は、ソース・ツー・ターゲットとターゲット・ツー・ソースのNMTモデルの両方を利用して、過去・未来のモジュールに対してより直接的かつ正確な監視信号を提供する新しいデュアル・フレームワークを提案する。
実験の結果,提案手法はNMT予測の精度を大幅に向上し,従来の手法を2つのよく研究された翻訳タスクで上回っていることがわかった。
論文 参考訳（メタデータ） (2020-07-15T14:52:24Z) - Neural Machine Translation: Challenges, Progress and Future [62.75523637241876]
機械翻訳(英: Machine translation, MT)は、コンピュータを利用して人間の言語を自動翻訳する技術である。
ニューラルマシン翻訳(NMT)は、ディープニューラルネットワークを用いたソース言語とターゲット言語間の直接マッピングをモデル化する。
この記事では、NMTフレームワークをレビューし、NMTの課題について論じ、最近のエキサイティングな進歩を紹介します。
論文 参考訳（メタデータ） (2020-04-13T07:53:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。