論文の概要: A Tulu Resource for Machine Translation

• arxiv url: http://arxiv.org/abs/2403.19142v1
• Date: Thu, 28 Mar 2024 04:30:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-29 17:22:41.264649
• Title: A Tulu Resource for Machine Translation
• Title（参考訳）: 機械翻訳のためのトゥル資源
• Authors: Manu Narayanan, Noëmi Aepli,
• Abstract要約: 英語・トゥルー語翻訳のための最初の並列データセットを提案する。 トゥル語はインド南西部で約250万人が話されている。 パラレル・イングリッシュ・トゥルデータを使わずにトレーニングした我々のイングリッシュ・トゥルシステムは、Google Translateを19のBLEUポイントで上回っている。
• 参考スコア（独自算出の注目度）: 3.038642416291856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the first parallel dataset for English-Tulu translation. Tulu, classified within the South Dravidian linguistic family branch, is predominantly spoken by approximately 2.5 million individuals in southwestern India. Our dataset is constructed by integrating human translations into the multilingual machine translation resource FLORES-200. Furthermore, we use this dataset for evaluation purposes in developing our English-Tulu machine translation model. For the model's training, we leverage resources available for related South Dravidian languages. We adopt a transfer learning approach that exploits similarities between high-resource and low-resource languages. This method enables the training of a machine translation system even in the absence of parallel data between the source and target language, thereby overcoming a significant obstacle in machine translation development for low-resource languages. Our English-Tulu system, trained without using parallel English-Tulu data, outperforms Google Translate by 19 BLEU points (in September 2023). The dataset and code are available here: https://github.com/manunarayanan/Tulu-NMT.
• Abstract（参考訳）: 英語・トゥルー語翻訳のための最初の並列データセットを提案する。 トゥル語は南ドラヴィダ語族に分類され、インド南西部の約250万人が話している。 本データセットは,多言語機械翻訳資源FLORES-200に人間の翻訳を統合することで構築される。 さらに,このデータセットを英語-トゥルー語機械翻訳モデルの開発に利用した。 モデルのトレーニングには、関連するSouth Dravidian言語で利用可能なリソースを活用します。 我々は、高リソース言語と低リソース言語との類似性を生かしたトランスファーラーニングアプローチを採用する。 この方法では、ソースとターゲット言語間の並列データがない場合でも機械翻訳システムの訓練が可能であり、低リソース言語における機械翻訳開発において大きな障害を克服することができる。 パラレル・イングリッシュ・トゥルデータを使わずにトレーニングした我々のイングリッシュ・トゥルシステムは、Google Translateを19のBLEUポイント(2023年9月)で上回っている。 データセットとコードは、https://github.com/manunarayanan/Tulu-NMT.com/で入手できる。

関連論文リスト

• The Effect of Normalization for Bi-directional Amharic-English Neural Machine Translation [53.907805815477126]
  本稿では,比較的大規模なアムハラ語-英語並列文データセットを提案する。 我々は、既存のFacebook M2M100事前学習モデルを微調整することで、双方向のアムハラ語翻訳モデルを構築する。 その結果, 両方向のアンハラ語・英語機械翻訳の性能は, アンハラ語ホモホン文字の正規化により向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-27T07:18:53Z)
• 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)
• 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)
• Extremely low-resource machine translation for closely related languages [0.0]
  この研究は、エストニア語とフィンランド語というウラル語族の近縁言語に焦点を当てている。 多言語学習と合成コーパスにより,各言語対の翻訳品質が向上することがわかった。 転送学習と微調整は低リソースの機械翻訳に非常に効果的であり、最良の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-05-27T11:27:06Z)
• Continual Mixed-Language Pre-Training for Extremely Low-Resource Neural Machine Translation [53.22775597051498]
  我々は,mbart を未熟な言語に効果的に適用するための,継続的な事前学習フレームワークを提案する。 その結果,mBARTベースラインの微調整性能を一貫して改善できることが示された。 私たちのアプローチは、両方の言語が元のmBARTの事前トレーニングで見られる翻訳ペアのパフォーマンスを高めます。
  論文  参考訳（メタデータ） (2021-05-09T14:49:07Z)
• Beyond English-Centric Multilingual Machine Translation [74.21727842163068]
  我々は真の多言語多言語翻訳モデルを作成し、100言語のいずれかのペア間で直接翻訳できる。 大規模なマイニングによって生成された教師付きデータで、数千の言語方向をカバーするトレーニングデータセットを構築し、オープンソースにしています。 WMTのベストシングルシステムに競争力を持たせながら、非英語の方向を直接翻訳する場合、非英語モデルに焦点をあてると10 BLEU以上のゲインが得られる。
  論文  参考訳（メタデータ） (2020-10-21T17:01:23Z)
• Pre-training Multilingual Neural Machine Translation by Leveraging Alignment Information [72.2412707779571]
  mRASPは、汎用多言語ニューラルマシン翻訳モデルを事前訓練するためのアプローチである。 我々は,低,中,豊かな資源を含む多種多様な環境における42の翻訳方向の実験を行い,エキゾチックな言語対への変換を行った。
  論文  参考訳（メタデータ） (2020-10-07T03:57:54Z)
• scb-mt-en-th-2020: A Large English-Thai Parallel Corpus [3.3072037841206354]
  我々は100万以上のセグメント対を持つ英タイ機械翻訳データセットを構築した。 このデータセットに基づいて機械翻訳モデルを訓練する。 データセット、事前トレーニングされたモデル、私たちの作業を再現するソースコードは、パブリックに利用できます。
  論文  参考訳（メタデータ） (2020-07-07T15:14:32Z)
• An Augmented Translation Technique for low Resource language pair: Sanskrit to Hindi translation [0.0]
  本研究では、低リソース言語ペアに対してZST(Zero Shot Translation)を検査する。 サンスクリット語からヒンディー語への翻訳では、データが不足しているのと同じアーキテクチャがテストされている。 データストレージのメモリ使用量を削減するため,単語埋め込みの次元化を行う。
  論文  参考訳（メタデータ） (2020-06-09T17:01:55Z)
• 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)

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。