論文の概要: Synslator: An Interactive Machine Translation Tool with Online Learning
- arxiv url: http://arxiv.org/abs/2310.05025v1
- Date: Sun, 8 Oct 2023 06:05:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 13:26:56.700733
- Title: Synslator: An Interactive Machine Translation Tool with Online Learning
- Title（参考訳）: Synslator: オンライン学習のための対話型機械翻訳ツール
- Authors: Jiayi Wang, Ke Wang, Fengming Zhou, Chengyu Wang, Zhiyong Fu, Zeyu
Feng, Yu Zhao, Yuqi Zhang
- Abstract要約: インタラクティブ機械翻訳(IMT)は、コンピュータ支援翻訳パラダイムの進歩として登場した。
本稿では、IMTをサポートするだけでなく、リアルタイム翻訳記憶を用いたオンライン学習にも長けているユーザフレンドリーなコンピュータ支援翻訳(CAT)ツールであるSynslatorを紹介する。
- 参考スコア（独自算出の注目度）: 19.6690111454278
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interactive machine translation (IMT) has emerged as a progression of the
computer-aided translation paradigm, where the machine translation system and
the human translator collaborate to produce high-quality translations. This
paper introduces Synslator, a user-friendly computer-aided translation (CAT)
tool that not only supports IMT, but is adept at online learning with real-time
translation memories. To accommodate various deployment environments for CAT
services, Synslator integrates two different neural translation models to
handle translation memories for online learning. Additionally, the system
employs a language model to enhance the fluency of translations in an
interactive mode. In evaluation, we have confirmed the effectiveness of online
learning through the translation models, and have observed a 13% increase in
post-editing efficiency with the interactive functionalities of Synslator. A
tutorial video is available at:https://youtu.be/K0vRsb2lTt8.
- Abstract（参考訳）: 対話型機械翻訳(IMT)は、機械翻訳システムと人間の翻訳者が協調して高品質な翻訳を行うコンピュータ支援翻訳パラダイムの進展として登場した。
本稿では、IMTをサポートするだけでなく、リアルタイム翻訳記憶を用いたオンライン学習にも長けているユーザフレンドリーなコンピュータ支援翻訳(CAT)ツールであるSynslatorを紹介する。
CATサービスのさまざまなデプロイメント環境に対応するため、Synslatorは2つの異なるニューラルネットワークモデルを統合して、オンライン学習のための翻訳メモリを処理する。
さらにシステムでは,対話型モードでの翻訳の流動性を高めるために,言語モデルを採用している。
評価では,翻訳モデルによるオンライン学習の有効性を確認し,Synslatorのインタラクティブ機能により,編集後の効率が13%向上したことを確認した。
チュートリアルビデオは、https://youtu.be/K0vRsb2lTt8で公開されている。
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) - Easy Guided Decoding in Providing Suggestions for Interactive Machine
Translation [14.615314828955288]
我々は、新しい制約付きデコーディングアルゴリズム、すなわちPrefix Suffix Guided Decoding (PSGD)を提案する。
PSGDは平均で10.87ドルのBLEUと8.62ドルのBLEUをWeTSとWMT 2022のTranslation Suggestionデータセットで改善している。
論文 参考訳（メタデータ） (2022-11-14T03:40:02Z) - 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) - Parameter-Efficient Neural Reranking for Cross-Lingual and Multilingual
Retrieval [66.69799641522133]
最先端のニューラルランカーは、お腹が空いていることで悪名高い。
現在のアプローチでは、英語データに基づいて訓練されたローダを、多言語エンコーダを用いて他の言語や言語間設定に転送するのが一般的である。
本研究では,Sparse Fine-Tuning Masks (SFTMs) とAdapters (Adapters) の2つのパラメータ効率のアプローチにより,より軽量で効果的なゼロショット転送が可能となることを示す。
論文 参考訳（メタデータ） (2022-04-05T15:44:27Z) - Non-Parametric Online Learning from Human Feedback for Neural Machine
Translation [54.96594148572804]
本稿では,人間のフィードバックによるオンライン学習の課題について検討する。
従来手法では、高品質な性能を達成するために、オンラインモデル更新や翻訳メモリネットワークの追加が必要であった。
モデル構造を変更することなく、新しい非パラメトリックオンライン学習手法を提案する。
論文 参考訳（メタデータ） (2021-09-23T04:26:15Z) - Language Modeling, Lexical Translation, Reordering: The Training Process
of NMT through the Lens of Classical SMT [64.1841519527504]
ニューラルマシン翻訳は、翻訳プロセス全体をモデル化するために、単一のニューラルネットワークを使用する。
ニューラルネットワーク翻訳はデファクトスタンダードであるにもかかわらず、NMTモデルがトレーニングの過程でどのように異なる能力を獲得するのかは、まだ明らかになっていない。
論文 参考訳（メタデータ） (2021-09-03T09:38:50Z) - 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) - 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) - Neural Machine Translation for Low-Resourced Indian Languages [4.726777092009554]
機械翻訳は、人間の関与なしにテキストを別の言語に変換する効果的な手法である。
本稿では,NMTを英語・タミル語・英語・マラヤラム語という,最も形態学的に豊かな2つの言語に適用した。
我々は,BPE(Byte-Pair-Encoded)とMultiBPE(MultiBPE)を併用したマルチヘッド自己アテンション(Multihead self-attention)を用いた新しいNMTモデルを提案し,効率的な翻訳システムを開発した。
論文 参考訳（メタデータ） (2020-04-19T17:29:34Z) - Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。
自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。
また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
論文 参考訳（メタデータ） (2020-04-09T17:54:30Z)
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。