論文の概要: Don't Rule Out Monolingual Speakers: A Method For Crowdsourcing Machine
Translation Data
- arxiv url: http://arxiv.org/abs/2106.06875v1
- Date: Sat, 12 Jun 2021 22:29:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-17 16:08:04.853197
- Title: Don't Rule Out Monolingual Speakers: A Method For Crowdsourcing Machine
Translation Data
- Title(参考訳): 単言語話者を除外しない:機械翻訳データをクラウドソーシングする方法
- Authors: Rajat Bhatnagar, Ananya Ganesh, Katharina Kann
- Abstract要約: 高性能機械翻訳(MT)システムは言語の障壁を克服するのに役立つが、訓練には大量の並列文を必要とする。
本稿では,バイリンガル話者を必要としないため,安価で簡便なMTデータ収集戦略を提案する。
人間は運動に特定の注意を払っているという知見に基づいて、単言語アノテータから平行文を収集するためのピボットとしてグラフィクス交換フォーマット(GIF)を用いる。
- 参考スコア(独自算出の注目度): 15.893099338855897
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: High-performing machine translation (MT) systems can help overcome language
barriers while making it possible for everyone to communicate and use language
technologies in the language of their choice. However, such systems require
large amounts of parallel sentences for training, and translators can be
difficult to find and expensive. Here, we present a data collection strategy
for MT which, in contrast, is cheap and simple, as it does not require
bilingual speakers. Based on the insight that humans pay specific attention to
movements, we use graphics interchange formats (GIFs) as a pivot to collect
parallel sentences from monolingual annotators. We use our strategy to collect
data in Hindi, Tamil and English. As a baseline, we also collect data using
images as a pivot. We perform an intrinsic evaluation by manually evaluating a
subset of the sentence pairs and an extrinsic evaluation by finetuning mBART on
the collected data. We find that sentences collected via GIFs are indeed of
higher quality.
- Abstract(参考訳): 高性能機械翻訳(MT)システムは、言語障壁を克服し、誰もが自分の選択した言語で言語テクノロジーをコミュニケーションし使用できるようにする。
しかし、このようなシステムは訓練に大量の並行文を必要とするため、翻訳者は見つけるのが難しく、費用もかかる。
本稿では,二言語話者を必要とせず,安価で簡便なmtのためのデータ収集戦略を提案する。
人間は動きに特に注意を払っているという洞察に基づいて、私たちは単言語アノテーションから並列文を収集するためにピボットとしてグラフィック交換フォーマット(gifs)を使用します。
弊社の戦略は、ヒンディー語、タミル語、英語のデータを収集する。
ベースラインとして、画像を使ってデータをピボットとして収集する。
文対のサブセットを手作業で評価し,収集したデータに対してmbartを微調整することにより,本質的評価を行う。
GIFで集めた文章は、確かに質が高い。
関連論文リスト
- An approach for mistranslation removal from popular dataset for Indic MT
Task [5.4755933832880865]
トレーニングコーパスから誤訳を除去し,その性能と効率を評価するアルゴリズムを提案する。
実験には2つのIndic言語(IL)、すなわちHindi(HIN)とOdia(ODI)が選択される。
実験における翻訳の質は,BLEU, METEOR, RIBESなどの標準指標を用いて評価する。
論文 参考訳(メタデータ) (2024-01-12T06:37:19Z) - Optimal Transport Posterior Alignment for Cross-lingual Semantic Parsing [68.47787275021567]
言語間のセマンティックパーシングは、高いソース言語(例えば英語)から少ないトレーニングデータを持つ低リソース言語へのパーシング能力を伝達する。
そこで本稿では,最適輸送を用いた係り受け変数間の言語間相違を明示的に最小化することで,言語間セマンティック解析のための新しい手法を提案する。
論文 参考訳(メタデータ) (2023-07-09T04:52:31Z) - Is Translation Helpful? An Empirical Analysis of Cross-Lingual Transfer
in Low-Resource Dialog Generation [21.973937517854935]
複数の言語で高品質なチャットボットを開発するためには、言語間移動が重要である。
本研究は,機械翻訳(MT)の活用に有用かどうかを考察する。
英語ダイアログコーパスを活用すれば、中国語の自然性、関連性、ドメイン間の移動性が向上することを示す実験結果が得られた。
論文 参考訳(メタデータ) (2023-05-21T15:07:04Z) - Language Agnostic Multilingual Information Retrieval with Contrastive
Learning [59.26316111760971]
本稿では,多言語情報検索システムの学習方法を提案する。
並列コーパスと非並列コーパスを利用して、事前訓練された多言語言語モデルを改善する。
我々のモデルは少数のパラレル文でもうまく機能する。
論文 参考訳(メタデータ) (2022-10-12T23:53:50Z) - Improving Multilingual Neural Machine Translation System for Indic
Languages [0.0]
低リソース言語翻訳に関わる問題に対処する多言語ニューラルマシン翻訳(MNMT)システムを提案する。
提案モデルの実現には最先端のトランスフォーマーアーキテクチャを用いる。
大量のデータに対する試行は、従来のモデルよりもその優位性を明らかにしている。
論文 参考訳(メタデータ) (2022-09-27T09:51:56Z) - Translate & Fill: Improving Zero-Shot Multilingual Semantic Parsing with
Synthetic Data [2.225882303328135]
多言語セマンティックパーシングタスクのための銀のトレーニングデータを生成するための新しいTranslate-and-Fill(TaF)手法を提案する。
3つの多言語意味解析データセットの実験結果は、TaFによるデータ拡張が類似システムと競合する精度に達することを示している。
論文 参考訳(メタデータ) (2021-09-09T14:51:11Z) - ChrEnTranslate: Cherokee-English Machine Translation Demo with Quality
Estimation and Corrective Feedback [70.5469946314539]
ChrEnTranslateは、英語と絶滅危惧言語チェロキーとの翻訳のためのオンライン機械翻訳デモシステムである。
統計モデルとニューラルネットワークモデルの両方をサポートし、信頼性をユーザに通知するための品質評価を提供する。
論文 参考訳(メタデータ) (2021-07-30T17:58:54Z) - Continual Mixed-Language Pre-Training for Extremely Low-Resource Neural
Machine Translation [53.22775597051498]
我々は,mbart を未熟な言語に効果的に適用するための,継続的な事前学習フレームワークを提案する。
その結果,mBARTベースラインの微調整性能を一貫して改善できることが示された。
私たちのアプローチは、両方の言語が元のmBARTの事前トレーニングで見られる翻訳ペアのパフォーマンスを高めます。
論文 参考訳(メタデータ) (2021-05-09T14:49:07Z) - Improving Multilingual Neural Machine Translation For Low-Resource
Languages: French-, English- Vietnamese [4.103253352106816]
本稿では,多言語mtシステムにおける希少な単語問題に対処するための2つの単純な戦略を提案する。
両言語対のバイリンガルベースラインシステムに対して,+1.62と+2.54のBLEU点が大幅に改善された。
論文 参考訳(メタデータ) (2020-12-16T04:43:43Z) - Cross-lingual Machine Reading Comprehension with Language Branch
Knowledge Distillation [105.41167108465085]
言語間機械読解(CLMRC)は、ローソース言語に大規模なデータセットがないため、依然として難しい問題である。
本稿では,Language Branch Machine Reading (LBMRC) という新しい拡張手法を提案する。
LBMRCは、個々の言語に精通したMultiple Machine Read comprehension (MRC)モデルを訓練する。
複数の言語分岐モデルから全ての対象言語に対する単一モデルへのアマルガメート知識の多言語蒸留アプローチを考案する。
論文 参考訳(メタデータ) (2020-10-27T13:12:17Z) - Bootstrapping a Crosslingual Semantic Parser [74.99223099702157]
我々は、英語のような単一の言語で訓練された意味を、最小限のアノテーションで新しい言語や複数のドメインに適用する。
我々は、機械翻訳がトレーニングデータの適切な代用であるかどうかを問うとともに、英語、パラフレーズ、多言語事前学習モデルとの併用トレーニングを用いて、ブートストラップを調査するように拡張する。
論文 参考訳(メタデータ) (2020-04-06T12:05:02Z)
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。