論文の概要: VBD-MT Chinese-Vietnamese Translation Systems for VLSP 2022

• arxiv url: http://arxiv.org/abs/2308.07601v1
• Date: Tue, 15 Aug 2023 07:10:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-16 13:49:52.701746
• Title: VBD-MT Chinese-Vietnamese Translation Systems for VLSP 2022
• Title（参考訳）: VLSP2022用VBD-MT中国語ベトナム語翻訳システム
• Authors: Hai Long Trieu, Song Kiet Bui, Tan Minh Tran, Van Khanh Tran, Hai An Nguyen
• Abstract要約: 我々は,ニューラルネットワークを用いたトランスフォーマーモデルに基づいて,学習前モデルであるmBARTを用いてシステムを構築する。 ベトナム語で38.9 BLEU、ベトナム語で38.0 BLEU、公試で38.0 BLEUを達成。
• 参考スコア（独自算出の注目度）: 0.11249583407496218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present our systems participated in the VLSP 2022 machine translation shared task. In the shared task this year, we participated in both translation tasks, i.e., Chinese-Vietnamese and Vietnamese-Chinese translations. We build our systems based on the neural-based Transformer model with the powerful multilingual denoising pre-trained model mBART. The systems are enhanced by a sampling method for backtranslation, which leverage large scale available monolingual data. Additionally, several other methods are applied to improve the translation quality including ensembling and postprocessing. We achieve 38.9 BLEU on ChineseVietnamese and 38.0 BLEU on VietnameseChinese on the public test sets, which outperform several strong baselines.
• Abstract（参考訳）: 本稿では,VLSP 2022の機械翻訳共有タスクに参加する。 今年の共通作業では,中国-ベトナム語,ベトナム-中国語の両翻訳作業に参加した。 我々は,ニューラルネットワークを用いたトランスフォーマーモデルに基づいて,学習前モデルであるmBARTを用いてシステムを構築する。 大規模に利用可能な単言語データを活用するバックトランスレーションのサンプリング手法により,システムを強化した。 さらに、センシングやポストプロセッシングを含む翻訳品質を向上させるために、いくつかの方法が適用されている。 ベトナム語で38.9 BLEU、ベトナム語で38.0 BLEU、公試で38.0 BLEUを達成。

関連論文リスト

• HW-TSC's Submission to the CCMT 2024 Machine Translation Tasks [12.841065384808733]
  我々はバイリンガル機械翻訳タスクとマルチドメイン機械翻訳タスクに参加する。 これら2つの翻訳タスクでは,正規化ドロップアウト,双方向トレーニング,データ多様化,前方翻訳,後方翻訳,交互学習,カリキュラム学習,トランスダクティブアンサンブル学習などの学習戦略を用いる。
  論文  参考訳（メタデータ） (2024-09-23T09:20:19Z)
• An Effective Method using Phrase Mechanism in Neural Machine Translation [3.8979646385036166]
  ベトナム語と中国語の並列コーパスのためのニューラル機械翻訳(NMT)システムを構築する際に,フレーズ機構であるPhrase Transformerを用いて,強力なベースラインモデルトランスフォーマを改善する方法を提案する。 VLSP 2022コンペティションのMTデータセットに関する我々の実験は、ベトナム語から中国語へのBLEUスコアが35.3、中国語からベトナム語へのデータのBLEUスコアが33.2であった。
  論文  参考訳（メタデータ） (2023-08-21T05:46:40Z)
• Enhancing Translation for Indigenous Languages: Experiments with Multilingual Models [57.10972566048735]
  本稿では,3つの方法のシステム記述について述べる。 M2M-100とmBART50という2つの多言語モデルと1つのバイリンガル(1対1)-ヘルシンキNLPスペイン語翻訳モデルを使いました。 アメリカから11の言語を実験し、使用したセットアップと、達成した成果を報告しました。
  論文  参考訳（メタデータ） (2023-05-27T08:10:40Z)
• Summer: WeChat Neural Machine Translation Systems for the WMT22 Biomedical Translation Task [54.63368889359441]
  本稿では,WeChatのWMT 2022への参加について紹介する。 我々のシステムはTransformerをベースにしており、翻訳の質を向上させるためにいくつかの異なるTransformer構造を使用している。 われわれの中国の$to$Englishシステムは、Summerと呼ばれ、すべての応募の中でBLEUのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-11-28T03:10:50Z)
• The YiTrans End-to-End Speech Translation System for IWSLT 2022 Offline Shared Task [92.5087402621697]
  本稿では,IWSLT 2022オフラインタスクに対するエンドツーエンドYiTrans音声翻訳システムの提案について述べる。 YiTransシステムは、大規模な訓練済みエンコーダデコーダモデル上に構築されている。 最終提出は自動評価基準でまず英語・ドイツ語・英語・中国語のエンド・ツー・エンド・システムにランク付けする。
  論文  参考訳（メタデータ） (2022-06-12T16:13:01Z)
• ViTA: Visual-Linguistic Translation by Aligning Object Tags [7.817598216459955]
  マルチモーダル機械翻訳(Multimodal Machine Translation、MMT)は、翻訳のための視覚情報でソーステキストを豊かにする。 本稿では,WAT 2021の多モーダル翻訳タスクを英語からヒンディー語に翻訳するシステムを提案する。
  論文  参考訳（メタデータ） (2021-06-01T06:19:29Z)
• DiDi's Machine Translation System for WMT2020 [51.296629834996246]
  我々は中国語>英語の翻訳指導に参画する。 この方向では、ベースラインモデルとしてTransformerを使用します。 その結果,日英のBLEUスコアは36.6ドルとなった。
  論文  参考訳（メタデータ） (2020-10-16T06:25:48Z)
• 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)
• WeChat Neural Machine Translation Systems for WMT20 [61.03013964996131]
  本システムは,有効な変種とDTMTアーキテクチャを備えたTransformerをベースとしている。 実験では,データ選択,複数の合成データ生成手法,高度な微調整手法,自己視覚モデルアンサンブルを用いた。 制約のある中国語と英語のシステムでは36.9のケースセンシティブなBLEUスコアが得られます。
  論文  参考訳（メタデータ） (2020-10-01T08:15:09Z)

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。