Fugu-MT 論文翻訳(概要): CUNI Submission in WMT22 General Task

論文の概要: CUNI Submission in WMT22 General Task

arxiv url: http://arxiv.org/abs/2211.16174v1
Date: Tue, 29 Nov 2022 13:06:09 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 16:03:37.908585
Title: CUNI Submission in WMT22 General Task
Title（参考訳）: WMT22総合業務におけるCUNI提出
Authors: Josef Jon, Martin Popel, Ond\v{r}ej Bojar
Abstract要約: We present the CUNI-Bergamot submit for the WMT22 General translation task。従来の研究と比較すると、COMETスコアと名前付きエンティティの翻訳精度で性能を計測する。
参考スコア（独自算出の注目度）: 1.9356648007558004
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the CUNI-Bergamot submission for the WMT22 General translation task. We compete in English$\rightarrow$Czech direction. Our submission further explores block backtranslation techniques. Compared to the previous work, we measure performance in terms of COMET score and named entities translation accuracy. We evaluate performance of MBR decoding compared to traditional mixed backtranslation training and we show a possible synergy when using both of the techniques simultaneously. The results show that both approaches are effective means of improving translation quality and they yield even better results when combined.
Abstract（参考訳）: We present the CUNI-Bergamot submit for the WMT22 General translation task。私たちは英語$\rightarrow$Czechの方向で競います。提案はブロックバックトランスレーション技術をさらに探求する。従来の研究と比較すると、COMETスコアと名前付きエンティティの翻訳精度で性能を測定する。 MBR復号法の性能を従来の混合翻訳訓練と比較して評価し,両手法を同時に使用する場合の相乗効果を示す。その結果,いずれのアプローチも翻訳品質を向上させる効果的な手段であり,組み合わせるとさらによい結果が得られることがわかった。

関連論文リスト

Predicting Word Similarity in Context with Referential Translation Machines [0.0]
タスクを機械翻訳性能予測(MTPP)としてキャストすることで、英語の2単語間の類似性を識別する。我々は、トレーニングとテストセットの共通表現を可能にするレファレンシャル翻訳機械(RTM)を使用している。 RTMは、グレードドドワード類似性(GWSC)タスクの上位結果を達成することができる。
論文参考訳（メタデータ） (2024-07-07T09:36:41Z)
UvA-MT's Participation in the WMT23 General Translation Shared Task [7.4336950563281174]
本稿では,UvA-MTがWMT 2023に提案した汎用機械翻訳タスクについて述べる。そこで本研究では,一方のモデルを用いて双方向タスクを処理することにより,従来のバイリンガル翻訳と同等の結果が得られることを示す。
論文参考訳（メタデータ） (2023-10-15T20:49:31Z)
Large Language Models Are State-of-the-Art Evaluators of Translation Quality [7.818228526742237]
GEMBAは、翻訳品質を評価するためのGPTベースのメトリクスである。本稿では,ChatGPTとGPT-4を含む9種類のGPTモデルについて検討する。本手法は, MQMに基づく人間ラベルと比較した場合, 両モードで最先端の精度を実現する。
論文参考訳（メタデータ） (2023-02-28T12:23:48Z)
Neural Machine Translation with Contrastive Translation Memories [71.86990102704311]
Retrieval-augmented Neural Machine Translationモデルは、多くの翻訳シナリオで成功している。そこで本論文では,新たに検索拡張NMTを提案し,ソース文と相似なコントラスト検索された翻訳記憶をモデル化する。訓練段階では、目標文に対する各TMの健全な特徴を学習するために、マルチTMコントラスト学習目標を導入する。
論文参考訳（メタデータ） (2022-12-06T17:10:17Z)
Alibaba-Translate China's Submission for WMT 2022 Quality Estimation Shared Task [80.22825549235556]
我々は、UniTEという品質評価共有タスクにおいて、文レベルのMQMベンチマークを提出する。具体的には、トレーニング中に3種類の入力形式と事前学習された言語モデルを組み合わせたUniTEのフレームワークを用いる。その結果,我々のモデルは多言語・英語・ロシア語設定では第1位,英語・ドイツ語・中国語設定では第2位に達した。
論文参考訳（メタデータ） (2022-10-18T08:55:27Z)
Rethink about the Word-level Quality Estimation for Machine Translation from Human Judgement [57.72846454929923]
ベンチマークデータセットであるemphHJQEを作成し、専門家翻訳者が不適切な翻訳語を直接アノテートする。本稿では,タグリファインメント戦略と木ベースのアノテーション戦略という2つのタグ補正戦略を提案し,TERベースの人工QEコーパスをemphHJQEに近づける。その結果,提案したデータセットは人間の判断と一致しており,また,提案したタグ補正戦略の有効性も確認できた。
論文参考訳（メタデータ） (2022-09-13T02:37:12Z)
UniTE: Unified Translation Evaluation [63.58868113074476]
UniTEは3つの評価タスクをすべて処理する能力に携わる最初の統合フレームワークである。 We testify our framework on WMT 2019 Metrics and WMT 2020 Quality Estimation benchmarks。
論文参考訳（メタデータ） (2022-04-28T08:35:26Z)
The JHU-Microsoft Submission for WMT21 Quality Estimation Shared Task [14.629380601429956]
本稿では,WMT 2021の品質評価共有タスクに対するJHU-Microsoft共同提案を提案する。我々は,目標側の単語レベルの品質評価に焦点をあて,共有タスクのタスク2(後編集作業推定)にのみ参加する。我々は,広く採用されているOpenKiwi-XLMベースラインと比較して,システムの競争力を示す。
論文参考訳（メタデータ） (2021-09-17T19:13:31Z)
Unsupervised Bitext Mining and Translation via Self-trained Contextual Embeddings [51.47607125262885]
不整合テキストから機械翻訳(MT)のための擬似並列コーパスを作成するための教師なし手法について述べる。我々は多言語BERTを用いて、最寄りの検索のためのソースとターゲット文の埋め込みを作成し、自己学習によりモデルを適応する。 BUCC 2017 bitextマイニングタスクで並列文ペアを抽出し,F1スコアの最大24.5ポイント増加(絶対)を従来の教師なし手法と比較して観察することで,本手法の有効性を検証した。
論文参考訳（メタデータ） (2020-10-15T14:04:03Z)
SJTU-NICT's Supervised and Unsupervised Neural Machine Translation Systems for the WMT20 News Translation Task [111.91077204077817]
我々は英語・中国語・英語・ポーランド語・ドイツ語・アッパー・ソルビアンという3つの言語対の4つの翻訳指導に参加した。言語ペアの異なる条件に基づいて、我々は多様なニューラルネットワーク翻訳(NMT)技術の実験を行った。私たちの提出書では、主要なシステムは英語、中国語、ポーランド語、英語、ドイツ語から上セルビア語への翻訳の道順で第一位を獲得しました。
論文参考訳（メタデータ） (2020-10-11T00:40:05Z)
Learning to Evaluate Translation Beyond English: BLEURT Submissions to the WMT Metrics 2020 Shared Task [30.889496911261677]
本稿では,WMT 2020 Metrics Shared Taskへのコントリビューションについて述べる。我々は、移動学習に基づくメトリクスBLEURTに基づいていくつかの提案を行う。 BLEURTの予測とYiSiの予測を組み合わせ、代替参照変換を用いて性能を向上させる方法を示す。
論文参考訳（メタデータ） (2020-10-08T23:16:26Z)

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。