Fugu-MT 論文翻訳(概要): PHINC: A Parallel Hinglish Social Media Code-Mixed Corpus for Machine Translation

論文の概要: PHINC: A Parallel Hinglish Social Media Code-Mixed Corpus for Machine Translation

arxiv url: http://arxiv.org/abs/2004.09447v1
Date: Mon, 20 Apr 2020 17:04:22 GMT
ステータス: 処理完了
システム内更新日: 2022-12-11 18:38:17.588181
Title: PHINC: A Parallel Hinglish Social Media Code-Mixed Corpus for Machine Translation
Title（参考訳）: phinc: 機械翻訳のためのhinglish social media code-mixed corpus
Authors: Vivek Srivastava and Mayank Singh
Abstract要約: 本稿では,13,738のコード混成英語・ヒンディー語文の並列コーパスとその英訳について述べる。文の翻訳はアノテータが手作業で行う。我々は、コードミキシング機械翻訳における将来の研究機会を促進するために、並列コーパスをリリースしています。
参考スコア（独自算出の注目度）: 1.2301855531996841
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Code-mixing is the phenomenon of using more than one language in a sentence. It is a very frequently observed pattern of communication on social media platforms. Flexibility to use multiple languages in one text message might help to communicate efficiently with the target audience. But, it adds to the challenge of processing and understanding natural language to a much larger extent. This paper presents a parallel corpus of the 13,738 code-mixed English-Hindi sentences and their corresponding translation in English. The translations of sentences are done manually by the annotators. We are releasing the parallel corpus to facilitate future research opportunities in code-mixed machine translation. The annotated corpus is available at https://doi.org/10.5281/zenodo.3605597.
Abstract（参考訳）: コードミキシングは、文中に複数の言語を使用する現象である。ソーシャルメディア上で頻繁に見られるコミュニケーションのパターンである。 1つのテキストメッセージで複数の言語を使用する柔軟性は、ターゲットのオーディエンスと効率的にコミュニケーションするのに役立ちます。しかし、自然言語を処理し理解することの難しさをはるかに高めている。本稿では,13,738のコード混成英語・ヒンディー語文の並列コーパスとその英訳について述べる。文の翻訳は注釈者が手作業で行う。我々は、コード混合機械翻訳における将来の研究機会を促進するために、並列コーパスをリリースする。注釈付きコーパスはhttps://doi.org/10.5281/zenodo.3605597で入手できる。

関連論文リスト

Question Translation Training for Better Multilingual Reasoning [108.10066378240879]
大規模言語モデルは推論タスクにおいて魅力的なパフォーマンスを示すが、英語以外の言語ではより悪いパフォーマンスを示す傾向がある。典型的な解決策は、命令データを興味のあるすべての言語に翻訳し、結果の多言語データをトレーニングすることである。本稿では,X- English parallel question dataを微調整することで,推論する質問を英語に翻訳するモデルを訓練する。
論文参考訳（メタデータ） (2024-01-15T16:39:10Z)
Bilingual Corpus Mining and Multistage Fine-Tuning for Improving Machine Translation of Lecture Transcripts [50.00305136008848]
本研究では,並列コーパスマイニングのためのフレームワークを提案し,Coursera の公開講義から並列コーパスを迅速かつ効果的にマイニングする方法を提案する。日英両国の講義翻訳において,約5万行の並列コーパスを抽出し,開発・テストセットを作成した。また,コーパスの収集とクリーニング,並列文のマイニング,マイニングデータのクリーニング,高品質な評価スプリットの作成に関するガイドラインも提案した。
論文参考訳（メタデータ） (2023-11-07T03:50:25Z)
JParaCrawl v3.0: A Large-scale English-Japanese Parallel Corpus [31.203776611871863]
本稿では,限られた資源しか利用できない言語対である英語と日本語の並列コーパスを大規模に作成する。 JParaCrawl v3.0という新しいウェブベースの英語と日本語のパラレルコーパスを導入している。我々の新しいコーパスには、2100万以上のユニークな並列文ペアが含まれており、これは以前のJParaCrawl v2.0コーパスの2倍以上である。
論文参考訳（メタデータ） (2022-02-25T10:52:00Z)
Unsupervised Transfer Learning in Multilingual Neural Machine Translation with Cross-Lingual Word Embeddings [72.69253034282035]
我々は、言語独立多言語文表現を活用し、新しい言語に容易に一般化する。複数のロマンス言語を含むベースシステムを用いてポルトガル語から盲目的に復号し、ポルトガル語では36.4 BLEU、ロシア語では12.8 BLEUのスコアを得た。非反復的逆翻訳によるより実用的な適応アプローチを探求し、高品質の翻訳を生産するモデルの能力を活用します。
論文参考訳（メタデータ） (2021-03-11T14:22:08Z)
Crowdsourcing Parallel Corpus for English-Oromo Neural Machine Translation using Community Engagement Platform [0.0]
本稿では,Afaan Oromo への英語の翻訳と,その逆を Neural Machine Translation を用いて行う。 40k以上の文対からなるバイリンガルコーパスを用いて,本研究は有望な結果を示した。
論文参考訳（メタデータ） (2021-02-15T13:22:30Z)
VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
論文参考訳（メタデータ） (2020-10-30T03:41:38Z)
Leveraging Multilingual News Websites for Building a Kurdish Parallel Corpus [0.6445605125467573]
クルド語、ソラニ語、クルマンジ語の2つの主要方言に12,327の翻訳ペアを含むコーパスを提示する。また、英語のクルマンジ語と英語のソルニ語で1,797と650の翻訳ペアを提供している。
論文参考訳（メタデータ） (2020-10-04T11:52:50Z)
Consecutive Decoding for Speech-to-text Translation [51.155661276936044]
COnSecutive Transcription and Translation (COSTT)は、音声からテキストへの翻訳に不可欠な手法である。鍵となるアイデアは、ソースの書き起こしとターゲットの翻訳テキストを1つのデコーダで生成することである。本手法は3つの主流データセットで検証する。
論文参考訳（メタデータ） (2020-09-21T10:10:45Z)
"Listen, Understand and Translate": Triple Supervision Decouples End-to-end Speech-to-text Translation [49.610188741500274]
エンドツーエンドの音声テキスト翻訳(ST)は、ソース言語で音声を取り、ターゲット言語でテキストを出力する。既存の方法は並列コーパスの量によって制限される。並列STコーパスで信号を完全に活用するシステムを構築した。
論文参考訳（メタデータ） (2020-09-21T09:19:07Z)
PMIndia -- A Collection of Parallel Corpora of Languages of India [10.434922903332415]
インドの主要言語13言語と英語を組み合わせたパラレル文からなる新しい公開コーパス(PMIndia)について述べる。コーパスには、各言語対について最大56000の文が含まれている。本稿では,2つの異なる自動文アライメント手法の評価を含むコーパスの構築方法について解説し,初期NMTの結果をコーパスに提示する。
論文参考訳（メタデータ） (2020-01-27T16:51:39Z)
Coursera Corpus Mining and Multistage Fine-Tuning for Improving Lectures Translation [37.04364877980479]
本稿では,Coursera の公開講義から並列コーパスをマイニングする方法を紹介する。提案手法は,連続空間の文表現よりも機械翻訳とコサイン類似性に頼って,文のアライメントを決定する。日本語-英語の講義翻訳では,約4万行の並列データを抽出し,開発・テストセットを作成した。
論文参考訳（メタデータ） (2019-12-26T01:12:31Z)

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。