Fugu-MT 論文翻訳(概要): Rare but Severe Neural Machine Translation Errors Induced by Minimal Deletion: An Empirical Study on Chinese and English

論文の概要: Rare but Severe Neural Machine Translation Errors Induced by Minimal Deletion: An Empirical Study on Chinese and English

arxiv url: http://arxiv.org/abs/2209.02145v1
Date: Mon, 5 Sep 2022 21:14:21 GMT
ステータス: 処理完了
システム内更新日: 2022-09-07 12:21:28.443717
Title: Rare but Severe Neural Machine Translation Errors Induced by Minimal Deletion: An Empirical Study on Chinese and English
Title（参考訳）: 最小削除による希少だが重大なニューラルマシン翻訳誤差:中国語と英語の実証的研究
Authors: Ruikang Shi, Alvin Grissom II, Duc Minh Trinh
Abstract要約: 英語・中国語・中国語のドメイン内ニューラルネットワーク翻訳における稀な誤りの誘発について検討する。一つの文字を削除することで、翻訳における重大なエラーを誘発できることがわかった。
参考スコア（独自算出の注目度）: 0.2701015481148316
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We examine the inducement of rare but severe errors in English-Chinese and Chinese-English in-domain neural machine translation by minimal deletion of the source text with character-based models. By deleting a single character, we find that we can induce severe errors in the translation. We categorize these errors and compare the results of deleting single characters and single words. We also examine the effect of training data size on the number and types of pathological cases induced by these minimal perturbations, finding significant variation.
Abstract（参考訳）: 文字ベースモデルによる原文の最小削除による英語・中国語・中国語・中国語のニューラルネットワーク翻訳における稀な誤りの誘発について検討する。一つの文字を削除することで、翻訳に深刻なエラーを生じさせることが分かる。これらの誤りを分類し、単一文字と単一単語の削除結果と比較する。また,これらの極小摂動によって引き起こされる病的症例の数と種類に対するトレーニングデータサイズの影響について検討し,有意な変動を見出した。

関連論文リスト

An Empirical Study on the Robustness of Massively Multilingual Neural Machine Translation [40.08063412966712]
多言語多言語ニューラルマシン翻訳(MMNMT)は低リソース言語の翻訳品質を高めることが証明されている。インドネシア・中国語翻訳のためのロバストネス評価ベンチマークデータセットを作成する。このデータセットは、異なるサイズの4つのNLLB-200モデルを使用して、自動的に中国語に翻訳される。
論文参考訳（メタデータ） (2024-05-13T12:01:54Z)
Reducing Hallucinations in Neural Machine Translation with Feature Attribution [54.46113444757899]
本研究は,NMTにおける幻覚の軽減を目的としたモデル理解と正規化に着目したケーススタディである。まず,幻覚を発生させるNMTモデルの振る舞いを研究するために,特徴帰属法を用いる。次に、これらの手法を利用して、幻覚の低減に大きく貢献し、ゼロからモデルを再訓練する必要のない新しい損失関数を提案する。
論文参考訳（メタデータ） (2022-11-17T20:33:56Z)
Improving Pre-trained Language Models with Syntactic Dependency Prediction Task for Chinese Semantic Error Recognition [52.55136323341319]
既存の中国語のテキスト誤り検出は主にスペルと単純な文法的誤りに焦点を当てている。中国の意味的誤りは、人間が容易に認識できないほど過小評価され、複雑である。
論文参考訳（メタデータ） (2022-04-15T13:55:32Z)
DEEP: DEnoising Entity Pre-training for Neural Machine Translation [123.6686940355937]
機械翻訳モデルは通常、トレーニングコーパスで稀な名前付きエンティティの翻訳を貧弱に生成することが示されている。文中の名前付きエンティティ翻訳精度を向上させるために,大量のモノリンガルデータと知識ベースを利用するDenoising Entity Pre-training法であるDEEPを提案する。
論文参考訳（メタデータ） (2021-11-14T17:28:09Z)
As Easy as 1, 2, 3: Behavioural Testing of NMT Systems for Numerical Translation [51.20569527047729]
誤訳された数字は、金銭的損失や医療的誤報などの深刻な影響を引き起こす可能性がある。本研究では,ニューラルネットワーク翻訳システムの動作テストによる数値テキストへの堅牢性に関する総合的な評価法を開発した。
論文参考訳（メタデータ） (2021-07-18T04:09:47Z)
Comparative Error Analysis in Neural and Finite-state Models for Unsupervised Character-level Transduction [34.1177259741046]
2つのモデルクラスを並べて比較すると、同等のパフォーマンスを達成したとしても、異なるタイプのエラーが発生する傾向があります。復号時における有限状態とシーケンス・ツー・シーケンスの組合せが、出力を定量的かつ質的にどう影響するかを考察する。
論文参考訳（メタデータ） (2021-06-24T00:09:24Z)
Grammatical Error Generation Based on Translated Fragments [0.0]
英語の文法的誤り訂正のための大量のトレーニングデータを作成するために,文片のニューラルマシン翻訳を行う。本手法は,第2言語学習者が犯した誤りをシミュレートすることを目的として,非ネイティブスタイル言語を幅広く生成する。
論文参考訳（メタデータ） (2021-04-20T12:43:40Z)
Neural Text Generation with Artificial Negative Examples [7.187858820534111]
強化学習フレームワークでテキスト生成モデルを訓練することにより,任意のタイプのエラーを抑制することを提案する。我々は、目標となるタイプのエラーを含む参照と文を識別できる訓練可能な報酬関数を使用する。実験の結果,生成誤差の抑制と2つの機械翻訳と2つの画像キャプションタスクの大幅な改善を達成できることが示された。
論文参考訳（メタデータ） (2020-12-28T07:25:10Z)
Detecting Word Sense Disambiguation Biases in Machine Translation for Model-Agnostic Adversarial Attacks [84.61578555312288]
本稿では,統計的データ特性に基づく曖昧な誤りの予測手法を提案する。我々は,曖昧な誤りを生じさせるため,文の摂動を最小限に抑える,単純な敵攻撃戦略を開発する。以上の結果から,曖昧さの堅牢性はドメイン間で大きく異なり,同一データ上でトレーニングされた異なるモデルが異なる攻撃に対して脆弱であることが示唆された。
論文参考訳（メタデータ） (2020-11-03T17:01:44Z)
It's Easier to Translate out of English than into it: Measuring Neural Translation Difficulty by Cross-Mutual Information [90.35685796083563]
クロスミューチュアル情報(英: Cross-mutual information、XMI)は、機械翻訳の難易度に関する非対称情報理論の指標である。 XMIは、ほとんどのニューラルマシン翻訳モデルの確率的性質を利用する。本稿では,現代ニューラル翻訳システムを用いた言語間翻訳の難易度に関する最初の体系的および制御的な研究について述べる。
論文参考訳（メタデータ） (2020-05-05T17:38:48Z)

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。