論文の概要: Domain-specific MT for Low-resource Languages: The case of
Bambara-French
- arxiv url: http://arxiv.org/abs/2104.00041v1
- Date: Wed, 31 Mar 2021 18:12:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:46:10.679526
- Title: Domain-specific MT for Low-resource Languages: The case of
Bambara-French
- Title(参考訳): 低リソース言語のためのドメイン固有MT:バンバラ=フレンチの場合
- Authors: Allahsera Auguste Tapo, Michael Leventhal, Sarah Luger, Christopher M.
Homan, Marcos Zampieri
- Abstract要約: 本稿では,Bambaraをフランス語から翻訳するための最初のドメイン固有並列データセットを提案する。
低リソース言語のための少数のドメイン固有データを扱う際の課題について論じる。
- 参考スコア(独自算出の注目度): 1.6519388257052223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Translating to and from low-resource languages is a challenge for machine
translation (MT) systems due to a lack of parallel data. In this paper we
address the issue of domain-specific MT for Bambara, an under-resourced Mande
language spoken in Mali. We present the first domain-specific parallel dataset
for MT of Bambara into and from French. We discuss challenges in working with
small quantities of domain-specific data for a low-resource language and we
present the results of machine learning experiments on this data.
- Abstract(参考訳): 低リソース言語への翻訳は、並列データが不足しているため、機械翻訳(MT)システムでは困難である。
本稿では,マリ語を母語とするMande言語であるBambaraのドメイン固有MTの問題に対処する。
バンバラ山からフランス語への最初のドメイン特化並列データセットを提案する。
低リソース言語のための少数のドメイン固有データを扱う際の課題について議論し、このデータに対する機械学習実験の結果を示す。
関連論文リスト
- Understanding In-Context Machine Translation for Low-Resource Languages: A Case Study on Manchu [53.437954702561065]
In-context machine translation (MT) with large language model (LLMs) は低リソースMTにおいて有望な手法である。
本研究では,各資源とその品質が満州語による翻訳性能に与える影響を体系的に検討した。
結果から,良質な辞書や優れた並列例は有用であり,文法はほとんど役に立たないことが明らかとなった。
論文 参考訳(メタデータ) (2025-02-17T14:53:49Z) - From Priest to Doctor: Domain Adaptaion for Low-Resource Neural Machine Translation [3.666125285899499]
多くの言語は、高性能汎用ニューラルネットワーク翻訳(NMT)モデルを訓練するのに不十分なデータを持っている。
世界中の言語の多くは、高性能汎用ニューラルマシン翻訳(NMT)モデルをトレーニングするのに不十分なデータを持っている。
論文 参考訳(メタデータ) (2024-12-01T21:06:08Z) - Quality or Quantity? On Data Scale and Diversity in Adapting Large Language Models for Low-Resource Translation [62.202893186343935]
低リソース言語に大規模言語モデルを適用するのに何が必要かについて検討する。
我々は、事前トレーニングとスーパーバイザードファインチューニング(SFT)の間に並列データが重要であることを示す。
2つの低リソース言語群にまたがる3つの LLM 実験により,本研究の一般化可能性を示す一貫した傾向が示された。
論文 参考訳(メタデータ) (2024-08-23T00:59:38Z) - Replicable Benchmarking of Neural Machine Translation (NMT) on
Low-Resource Local Languages in Indonesia [4.634142034755327]
本研究は,インドネシアの4つの低リソースローカル言語(ジャワ語,スンダ語,ミナンカバウ語,バリンセ語)を対象としたNMTシステムの訓練を包括的に分析する。
我々の研究は、限られた計算資源とテキストデータにもかかわらず、いくつかのNMTシステムが競合性能を達成することを実証している。
論文 参考訳(メタデータ) (2023-11-02T05:27:48Z) - Neural Machine Translation for the Indigenous Languages of the Americas:
An Introduction [102.13536517783837]
アメリカ大陸のほとんどの言語は、もしあるならば、並列データと単言語データしか持たない。
これらの言語におけるNLPコミュニティの関心が高まった結果、最近の進歩、発見、オープンな質問について論じる。
論文 参考訳(メタデータ) (2023-06-11T23:27:47Z) - Mitigating Data Imbalance and Representation Degeneration in
Multilingual Machine Translation [103.90963418039473]
Bi-ACLは、MNMTモデルの性能を向上させるために、ターゲット側モノリンガルデータとバイリンガル辞書のみを使用するフレームワークである。
Bi-ACLは、長い尾の言語でも、高リソースの言語でも、より効果的であることを示す。
論文 参考訳(メタデータ) (2023-05-22T07:31:08Z) - Dictionary-based Phrase-level Prompting of Large Language Models for
Machine Translation [91.57514888410205]
大規模言語モデル(LLM)は、プロンプトによる機械翻訳(MT)能力を示す。
LLMは、低リソースやドメイン転送のシナリオで一般的なまれな単語で入力を翻訳するのに苦労する。
LLMプロンプトは、バイリンガル辞書からの事前知識を用いてプロンプトの制御ヒントを提供することにより、稀な単語に対する効果的な解決策を提供することができることを示す。
論文 参考訳(メタデータ) (2023-02-15T18:46:42Z) - AUGVIC: Exploiting BiText Vicinity for Low-Resource NMT [9.797319790710711]
AUGVICは低リソースNMTのための新しいデータ拡張フレームワークである。
余分なモノリンガルデータを明示的に使用せずに、与えられたbitextのヴィジナルサンプルを利用する。
AUGVICは、従来のバックトランスレーションにおいて、関連ドメインと遠隔ドメインのモノリンガルデータの相違を緩和するのに有効であることを示す。
論文 参考訳(メタデータ) (2021-06-09T15:29:18Z) - FDMT: A Benchmark Dataset for Fine-grained Domain Adaptation in Machine
Translation [53.87731008029645]
機械翻訳(FDMT)における実世界のきめ細かいドメイン適応タスクを提案する。
FDMTデータセットは、自動運転車、AI教育、リアルタイムネットワーク、スマートフォンの4つのサブドメインで構成されている。
この新しい設定で定量的な実験と深い分析を行い、きめ細かいドメイン適応タスクをベンチマークします。
論文 参考訳(メタデータ) (2020-12-31T17:15:09Z) - Neural Machine Translation for Extremely Low-Resource African Languages:
A Case Study on Bambara [12.805211850642012]
トレーニングデータが少なく,大量の事前処理を必要とするマンド語であるBambaraについて論じる。
本稿では,Bambaraを英語とフランス語に翻訳するための最初の並列データセットと,Bambaraの機械翻訳における最初のベンチマーク結果を示す。
論文 参考訳(メタデータ) (2020-11-10T18:04:26Z)
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。