論文の概要: Multilingual Tourist Assistance using ChatGPT: Comparing Capabilities in
Hindi, Telugu, and Kannada
- arxiv url: http://arxiv.org/abs/2307.15376v1
- Date: Fri, 28 Jul 2023 07:52:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 13:22:46.301210
- Title: Multilingual Tourist Assistance using ChatGPT: Comparing Capabilities in
Hindi, Telugu, and Kannada
- Title（参考訳）: chatgptを用いた多言語観光支援:ヒンディー語、テルグ語、カンナダ語の比較
- Authors: Sanjana Kolar and Rohit Kumar
- Abstract要約: 本研究では,OpenAIによるAI言語モデルChatGPTによるヒンディー語,テルグ語,カナダ語への翻訳の有効性を検討した。
翻訳の質を測定するため,一般知識,食品,旅行など多種多様な分野から50の質問を抽出した。
人間の評価者は翻訳の正確さと流布度の両方を評価し、言語モデルの性能について包括的な視点を提供した。
- 参考スコア（独自算出の注目度）: 1.5762281194023464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research investigates the effectiveness of ChatGPT, an AI language model
by OpenAI, in translating English into Hindi, Telugu, and Kannada languages,
aimed at assisting tourists in India's linguistically diverse environment. To
measure the translation quality, a test set of 50 questions from diverse fields
such as general knowledge, food, and travel was used. These were assessed by
five volunteers for accuracy and fluency, and the scores were subsequently
converted into a BLEU score. The BLEU score evaluates the closeness of a
machine-generated translation to a human translation, with a higher score
indicating better translation quality. The Hindi translations outperformed
others, showcasing superior accuracy and fluency, whereas Telugu translations
lagged behind. Human evaluators rated both the accuracy and fluency of
translations, offering a comprehensive perspective on the language model's
performance.
- Abstract（参考訳）: 本研究は,インドにおける多様な言語環境の観光客を支援することを目的とした,OpenAIによるAI言語モデルChatGPTの有効性を検討する。
翻訳の質を測定するために、一般的な知識、食物、旅行といった様々な分野から50の質問がかけられた。
これらのスコアは5人のボランティアによって正確さと流用度で評価され、その後BLEUスコアに変換された。
BLEUスコアは、より優れた翻訳品質を示す高いスコアで、機械が生成した翻訳の人間翻訳への近さを評価する。
ヒンディー語訳は他より優れており、精度と流布が優れており、一方でテルグ語訳は遅れを取っていた。
human evaluatorsは翻訳の正確さと流動性を評価し、言語モデルのパフォーマンスに関する包括的な視点を提供した。
関連論文リスト
- Code-Mixed Telugu-English Hate Speech Detection [0.0]
本研究では,TeleguHateBERT,HateBERT,DeBERTa,Muril,IndicBERT,Roberta,Hindi-Abusive-MuRILなどのトランスフォーマーモデルを用いて,Teluguにおけるヘイトスピーチの分類を行った。
低ランク適応(LoRA)を用いてこれらのモデルを微調整し、効率と性能を最適化する。
Google Translateを使ってTeluguのテキストを英語に翻訳し、分類精度への影響を評価する。
論文 参考訳（メタデータ） (2025-02-15T02:03:13Z) - Expanding FLORES+ Benchmark for more Low-Resource Settings: Portuguese-Emakhuwa Machine Translation Evaluation [0.0]
エマクフワ語はモザンビークで広く話されている低リソース言語である。
私たちは、開発セットと開発セットをポルトガル語からエマフワ語に翻訳します。
使用する翻訳プロセスと品質保証対策について詳述する。
論文 参考訳（メタデータ） (2024-08-21T09:23:20Z) - Exploring the effectiveness of ChatGPT-based feedback compared with
teacher feedback and self-feedback: Evidence from Chinese to English
translation [1.25097469793837]
最先端のAIを搭載したChatGPTは、与えられたコマンドに対して素早くレスポンスを生成することができる。
本研究は,中国語訳文の改訂版と,中国語訳文(MTI)の学生による英語訳文を比較した。
論文 参考訳（メタデータ） (2023-09-04T14:54:39Z) - ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large
Language Models in Multilingual Learning [70.57126720079971]
大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。
本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。
従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
論文 参考訳（メタデータ） (2023-04-12T05:08:52Z) - How to Design Translation Prompts for ChatGPT: An Empirical Study [18.678893287863033]
ChatGPTは自然言語理解と自然言語生成において驚くべき能力を示した。
私たちは、広範囲の翻訳にいくつかの翻訳プロンプトを採用しています。
私たちの研究は、ChatGPTが翻訳において大きな可能性を秘めているという実証的な証拠を提供する。
論文 参考訳（メタデータ） (2023-04-05T01:17:59Z) - Is ChatGPT A Good Translator? Yes With GPT-4 As The Engine [97.8609714773255]
機械翻訳におけるChatGPTの評価には,翻訳プロンプト,多言語翻訳,翻訳堅牢性などが含まれる。
ChatGPTは商用翻訳製品と競合するが、低リソースや遠方の言語では遅れている。
GPT-4エンジンの打ち上げにより、ChatGPTの翻訳性能は大幅に向上した。
論文 参考訳（メタデータ） (2023-01-20T08:51:36Z) - No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。
何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。
本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
論文 参考訳（メタデータ） (2022-07-11T07:33:36Z) - Harnessing Cross-lingual Features to Improve Cognate Detection for
Low-resource Languages [50.82410844837726]
言語間単語埋め込みを用いた14言語間のコニャートの検出を実証する。
インドの12言語からなる挑戦的データセットを用いて,コニャート検出手法の評価を行った。
我々は,コグネート検出のためのFスコアで最大18%の改善点を観察した。
論文 参考訳（メタデータ） (2021-12-16T11:17:58Z) - Cross-Lingual Training with Dense Retrieval for Document Retrieval [56.319511218754414]
我々は、英語のアノテーションから複数の非英語言語への文書ランク付けのための異なる転送手法について検討する。
6つの言語(中国語、アラビア語、フランス語、ヒンディー語、ベンガル語、スペイン語)におけるテストコレクションの実験。
弱教師付きターゲット言語転送は、世代ベースターゲット言語転送に対する競合性能をもたらすことが判明した。
論文 参考訳（メタデータ） (2021-09-03T17:15:38Z) - A Set of Recommendations for Assessing Human-Machine Parity in Language
Translation [87.72302201375847]
我々は、ハサンらの中国語から英語への翻訳調査を再評価する。
専門家による翻訳では誤りが著しく少なかった。
論文 参考訳（メタデータ） (2020-04-03T17:49:56Z)
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。