Fugu-MT 論文翻訳(概要): An Empirical Accuracy Law for Sequential Machine Translation: the Case of Google Translate

論文の概要: An Empirical Accuracy Law for Sequential Machine Translation: the Case of Google Translate

arxiv url: http://arxiv.org/abs/2003.02817v2
Date: Wed, 8 Apr 2020 18:22:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 06:15:08.160040
Title: An Empirical Accuracy Law for Sequential Machine Translation: the Case of Google Translate
Title（参考訳）: 逐次機械翻訳における実証的精度法--Google翻訳の場合
Authors: Lucas Nunes Sequeira, Bruno Moreschi, Fabio Gagliardi Cozman and Bernardo Fontes
Abstract要約: ホップ数によって精度とサイズの両方が減少し、前者は電力法則に準じて減少する。このような法律は、社会がますます自動化デバイスに依存しているように構築される可能性のある翻訳チェーンの挙動を予測することを許している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this research, we have established, through empirical testing, a law that relates the number of translating hops to translation accuracy in sequential machine translation in Google Translate. Both accuracy and size decrease with the number of hops; the former displays a decrease closely following a power law. Such a law allows one to predict the behavior of translation chains that may be built as society increasingly depends on automated devices.
Abstract（参考訳）: 本研究では,Google翻訳における逐次機械翻訳において,翻訳ホップ数と翻訳精度を関連づける法則を実証試験により確立した。ホップ数によって精度とサイズの両方が減少し、前者は電力法則に準じて減少する。このような法律は、社会がますます自動化デバイスに依存しているように構築される可能性のある翻訳チェーンの挙動を予測することを許している。

関連論文リスト

Prediction of Translation Techniques for the Translation Process [6.30737834823321]
この研究は、翻訳プロセスの2つのシナリオ、すなわち from-scratch 翻訳と post-editing を区別する。以上の結果から, 翻訳後の予測精度は82%, 編集後の予測精度は93%であった。
論文参考訳（メタデータ） (2024-03-21T15:02:03Z)
Machine Translation Models are Zero-Shot Detectors of Translation Direction [46.41883195574249]
平行テキストの翻訳方向を検出することは、機械翻訳訓練や評価に応用できるが、盗作や偽造の主張を解消するといった法医学的応用もある。本研究では,翻訳文や機械翻訳文でよく知られた単純化効果によって動機付けられた,$p(texttranslation|text Origin)>p(textgenic|texttranslation)$という単純な仮説に基づいて,翻訳方向検出のための教師なしアプローチを検討する。
論文参考訳（メタデータ） (2024-01-12T18:59:02Z)
Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
慣用的な翻訳と関連する問題を簡易に評価する。我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
論文参考訳（メタデータ） (2023-10-10T23:47:25Z)
Measuring Sentiment Bias in Machine Translation [1.567333808864147]
生成モデルによってテキストに誘導されるバイアスは、近年ますます大きな話題となっている。 2つの並列コーパス上の5つの異なる言語に対する3つのオープンアクセス機械翻訳モデルを比較した。我々の統計テストはラベルの確率分布の変化を示しているが、翻訳プロセスによって引き起こされるバイアスを仮定するのに十分な一貫性があるように見えるものは見つからない。
論文参考訳（メタデータ） (2023-06-12T14:40:29Z)
Decomposed Prompting for Machine Translation Between Related Languages using Large Language Models [55.35106713257871]
DecoMTは、単語チャンク翻訳のシーケンスに翻訳プロセスを分解する、数発のプロンプトの新しいアプローチである。 DecoMTはBLOOMモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-22T14:52:47Z)
Measuring Cross-Lingual Transferability of Multilingual Transformers on Sentence Classification [49.8111760092473]
文分類タスクにおける多言語変換器のための言語間変換可能性指標IGapを提案する。実験の結果,IGapは転送可能性測定と転送方向ランキングの基準値よりも優れていた。その結果,多言語トランスフォーマーの理解を深める上で,言語間移動の3つの知見が得られた。
論文参考訳（メタデータ） (2023-05-15T17:05:45Z)
Towards Debiasing Translation Artifacts [15.991970288297443]
確立されたバイアス除去手法を拡張して,翻訳文の削減のための新しい手法を提案する。我々は、反復的ヌル空間投影(INLP)アルゴリズムを用いて、デバイアス前後の分類精度を計測することにより、文レベルと単語レベルの両方で翻訳文が削減されることを示す。我々の知る限りでは、これは潜伏埋め込み空間で表現される翻訳語をデビアスする最初の研究である。
論文参考訳（メタデータ） (2022-05-16T21:46:51Z)
Learning to Detect Unacceptable Machine Translations for Downstream Tasks [33.07594909221625]
機械翻訳を言語横断パイプラインに配置し、下流タスクを導入し、機械翻訳のタスク固有の受容性を定義する。これにより、並列データを活用して、大規模なアクセプタビリティアノテーションを自動的に生成できます。我々は、下流のタスクや翻訳モデルに対するフレームワークの有効性を示す実験を行う。
論文参考訳（メタデータ） (2020-05-08T09:37:19Z)
Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
論文参考訳（メタデータ） (2020-04-09T17:54:30Z)
Non-Autoregressive Machine Translation with Disentangled Context Transformer [70.95181466892795]
最先端のニューラルネットワーク翻訳モデルは、左から右への翻訳を生成し、各ステップは以前に生成されたトークンに条件付けされる。本研究では,異なるコンテキストのトークンを同時に生成するDisentangled Context (DisCo) 変換器を提案する。本モデルでは,非自己回帰型機械翻訳技術と比較して性能が向上する一方,デコーディング時間の平均は大幅に減少する。
論文参考訳（メタデータ） (2020-01-15T05:32:18Z)

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。