論文の概要: Approches quantitatives de l'analyse des pr{\'e}dictions en traduction
automatique neuronale (TAN)
- arxiv url: http://arxiv.org/abs/2012.05541v1
- Date: Thu, 10 Dec 2020 09:31:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 06:39:36.387561
- Title: Approches quantitatives de l'analyse des pr{\'e}dictions en traduction
automatique neuronale (TAN)
- Title（参考訳）: オートマチック・ニューロナレ(TAN)におけるPr{\'e}の判断に関する定量的研究
- Authors: Maria Zimina-Poirot (CLILLAC-ARP), Nicolas Ballier (CLILLAC-ARP),
Jean-Baptiste Yun\`es (IRIF)
- Abstract要約: ニューラルマシン翻訳エンジンの特性訓練段階について検討する。
訓練段階の縦方向分析は、翻訳の進行が必ずしも線形ではないことを示唆している。
ニューラルマシン翻訳(NMT)における作業の異なるプロセスをマッピングするために、時系列進行に関連する現象の重要性を特定します。
- 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: As part of a larger project on optimal learning conditions in neural machine
translation, we investigate characteristic training phases of translation
engines. All our experiments are carried out using OpenNMT-Py: the
pre-processing step is implemented using the Europarl training corpus and the
INTERSECT corpus is used for validation. Longitudinal analyses of training
phases suggest that the progression of translations is not always linear.
Following the results of textometric explorations, we identify the importance
of the phenomena related to chronological progression, in order to map
different processes at work in neural machine translation (NMT).
- Abstract（参考訳）: ニューラルマシン翻訳における最適学習条件に関する大規模プロジェクトの一環として,翻訳エンジンの特性学習フェーズについて検討する。
全実験はOpenNMT-Pyを用いて行われ、前処理ステップはEuroparlトレーニングコーパスを使用して実施され、InterSECTコーパスは検証に使用される。
トレーニングフェーズの縦断解析は、翻訳の進行が必ずしも線形であるとは限らないことを示唆する。
本研究は,神経機械翻訳 (nmt) における作業中の異なる過程をマッピングするために,時系列進行に関連する現象の重要性を明らかにすることを目的とした。
関連論文リスト
- Learning to Generalize to More: Continuous Semantic Augmentation for
Neural Machine Translation [50.54059385277964]
CsaNMT(Continuous Semantic Augmentation)と呼ばれる新しいデータ拡張パラダイムを提案する。
CsaNMTは各トレーニングインスタンスを、同じ意味の下で適切なリテラル式をカバーできる隣接領域で拡張する。
論文 参考訳（メタデータ） (2022-04-14T08:16:28Z) - Understanding and Improving Sequence-to-Sequence Pretraining for Neural
Machine Translation [48.50842995206353]
本研究は,Seq2Seqプレトレーニングと従来のエンコーダによるNMTの事前トレーニングとの主な違いである,共同事前学習デコーダの影響について検討する。
我々は、ドメインと目的の相違を緩和するために、ドメイン内の事前訓練と入力適応という、シンプルで効果的な戦略を提案する。
論文 参考訳（メタデータ） (2022-03-16T07:36:28Z) - Language Modeling, Lexical Translation, Reordering: The Training Process
of NMT through the Lens of Classical SMT [64.1841519527504]
ニューラルマシン翻訳は、翻訳プロセス全体をモデル化するために、単一のニューラルネットワークを使用する。
ニューラルネットワーク翻訳はデファクトスタンダードであるにもかかわらず、NMTモデルがトレーニングの過程でどのように異なる能力を獲得するのかは、まだ明らかになっていない。
論文 参考訳（メタデータ） (2021-09-03T09:38:50Z) - Better Neural Machine Translation by Extracting Linguistic Information
from BERT [4.353029347463806]
ニューラルマシン翻訳(NMT)に言語情報を追加することは、主に事前訓練されたモデルからの点推定の使用に焦点を当てている。
我々は点推定の代わりにBERTから細調整ベクターベース言語情報を抽出することによりNMTを増強する。
論文 参考訳（メタデータ） (2021-04-07T00:03:51Z) - On Long-Tailed Phenomena in Neural Machine Translation [50.65273145888896]
最先端のニューラルネットワーク翻訳(NMT)モデルは、低周波トークンの生成に苦労する。
条件付きテキスト生成における構造的依存関係にモデルトレーニングを適応させるために,新たな損失関数である反焦点損失を提案する。
提案手法は,複数の機械翻訳(MT)データセットに対して有効であり,クロスエントロピーよりも顕著に向上することを示す。
論文 参考訳（メタデータ） (2020-10-10T07:00:57Z) - On the Inference Calibration of Neural Machine Translation [54.48932804996506]
校正と翻訳性能と誤校正の言語特性の相関について検討した。
そこで本研究では,推論キャリブレーションと翻訳性能を両立できる新しいラベル平滑化手法を提案する。
論文 参考訳（メタデータ） (2020-05-03T02:03:56Z) - Understanding Learning Dynamics for Neural Machine Translation [53.23463279153577]
ロス・チェンジ・アロケーション (LCA)citeplan 2019-loss-change-allocation を用いてNMTの学習力学を理解することを提案する。
LCAは更新毎にデータセット全体の勾配を計算する必要があるため、NMTシナリオで実際に実施するための近似を提示する。
シミュレーション実験により, 近似計算は効率的であり, 実験により一貫した結果が得られることを示した。
論文 参考訳（メタデータ） (2020-04-05T13:32:58Z)
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。