論文の概要: A Context-aware Framework for Translation-mediated Conversations

• arxiv url: http://arxiv.org/abs/2412.04205v1
• Date: Thu, 05 Dec 2024 14:41:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:41:24.339737
• Title: A Context-aware Framework for Translation-mediated Conversations
• Title（参考訳）: 翻訳による会話のための文脈認識フレームワーク
• Authors: José Pombal, Sweta Agrawal, Patrick Fernandes, Emmanouil Zaranis, André F. T. Martins,
• Abstract要約: 本稿では,バイリンガルな会話設定に文脈情報を組み込むことで,大規模言語モデルに基づく翻訳システムを改善する枠組みを提案する。 当社のフレームワークの両コンポーネントを,2つのタスク指向ドメイン – ユーザチャットとユーザ-アシストインタラクション – で検証する。 我々のフレームワークは、GPT-4o や TowerInstruct のような最先端のシステムよりも優れた翻訳結果をもたらす。
• 参考スコア（独自算出の注目度）: 29.169155271343083
• License:
• Abstract: Effective communication is fundamental to any interaction, yet challenges arise when participants do not share a common language. Automatic translation systems offer a powerful solution to bridge language barriers in such scenarios, but they introduce errors that can lead to misunderstandings and conversation breakdown. A key issue is that current systems fail to incorporate the rich contextual information necessary to resolve ambiguities and omitted details, resulting in literal, inappropriate, or misaligned translations. In this work, we present a framework to improve large language model-based translation systems by incorporating contextual information in bilingual conversational settings. During training, we leverage context-augmented parallel data, which allows the model to generate translations sensitive to conversational history. During inference, we perform quality-aware decoding with context-aware metrics to select the optimal translation from a pool of candidates. We validate both components of our framework on two task-oriented domains: customer chat and user-assistant interaction. Across both settings, our framework consistently results in better translations than state-of-the-art systems like GPT-4o and TowerInstruct, as measured by multiple automatic translation quality metrics on several language pairs. We also show that the resulting model leverages context in an intended and interpretable way, improving consistency between the conveyed message and the generated translations.
• Abstract（参考訳）: 効果的なコミュニケーションはあらゆる相互作用に基本であるが、参加者が共通の言語を共有しない場合に課題が生じる。 自動翻訳システムはこのようなシナリオで言語障壁を橋渡しする強力なソリューションを提供するが、誤解や会話の分解につながるエラーを導入する。 鍵となる問題は、現在のシステムは曖昧さを解決し、詳細を省略するために必要なリッチな文脈情報を組み込まず、リテラル、不適切、あるいは不整合な翻訳をもたらすことである。 本研究では,バイリンガルな会話設定に文脈情報を組み込むことで,大規模言語モデルに基づく翻訳システムを改善する枠組みを提案する。 トレーニング中にコンテキスト拡張並列データを活用することで、モデルが会話履歴に敏感な翻訳を生成することができる。 推論中、コンテキスト認識メトリクスを用いて品質認識復号を行い、候補のプールから最適な翻訳を選択する。 当社のフレームワークの両コンポーネントを,2つのタスク指向ドメイン – ユーザチャットとユーザ-アシストインタラクション – で検証する。 GPT-4oやT TowerInstructのような最先端のシステムよりも、複数の言語ペアにおける複数の自動翻訳品質指標によって測定されるように、両方の設定において、我々のフレームワークは一貫して優れた翻訳結果をもたらす。 また、得られたモデルは、意図的かつ解釈可能な方法でコンテキストを活用することを示し、伝達されたメッセージと生成された翻訳との一貫性を向上させる。

関連論文リスト

• Context-Aware LLM Translation System Using Conversation Summarization and Dialogue History [10.596661157821462]
  英語と韓国語を併用した文脈対応LLM翻訳システムを提案する。 提案手法では,2つの最新の対話を生データとして組み込んで,会話の要約を行い,文脈長を効果的に管理する。
  論文  参考訳（メタデータ） (2024-10-22T07:45:18Z)
• Context-aware Neural Machine Translation for English-Japanese Business Scene Dialogues [14.043741721036543]
  本稿では,日英ビジネス対話翻訳における現在のニューラル・マシン・トランスフォーメーション(NMT)モデルの性能向上について検討する。 本稿では,話者のターンやシーンタイプなどの外部情報を符号化する新しいコンテキストトークンを提案する。 我々は,先行文と外部文脈(CXMIは文脈サイズを増大させる)の両方をモデルに利用し,敬語翻訳のより焦点を絞った分析を行う。
  論文  参考訳（メタデータ） (2023-11-20T18:06:03Z)
• Challenges in Context-Aware Neural Machine Translation [39.89082986080746]
  コンテキスト対応ニューラルマシン翻訳は、会話依存を解決するために、文レベルのコンテキストを超えた情報を活用する。 十分な直感にもかかわらず、ほとんどの文脈対応翻訳モデルは、文レベルシステムよりもわずかに改善されている。 本稿では,パラパラグラフ(パラパラグラフ)翻訳という,文書レベルの翻訳のより現実的な設定を提案する。
  論文  参考訳（メタデータ） (2023-05-23T07:08:18Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
  言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
  論文  参考訳（メタデータ） (2022-01-31T18:11:21Z)
• When Does Translation Require Context? A Data-driven, Multilingual Exploration [71.43817945875433]
  談話の適切な処理は機械翻訳(MT)の品質に大きく貢献する 文脈認識型MTにおける最近の研究は、評価中に少量の談話現象を標的にしようとしている。 談話現象のモデル性能を識別・評価するタグの集合である,多言語談話認識ベンチマークを開発した。
  論文  参考訳（メタデータ） (2021-09-15T17:29:30Z)
• Modeling Bilingual Conversational Characteristics for Neural Chat Translation [24.94474722693084]
  上記の特性をモデル化して会話テキストの翻訳品質を高めることを目的としている。 我々は、ベンチマークデータセットBConTrasT(英語-ドイツ語)と、BMELD(英語-中国語)という自己コンパイルバイリンガル対話コーパスに対するアプローチを評価した。 我々のアプローチは,強いベースラインよりも高いマージンで性能を向上し,BLEUとTERの観点から,最先端のコンテキスト対応NMTモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-07-23T12:23:34Z)
• Robustness Testing of Language Understanding in Dialog Systems [33.30143655553583]
  自然言語理解モデルの頑健性に関して総合的な評価と分析を行う。 本稿では,実世界の対話システムにおける言語理解に関連する3つの重要な側面,すなわち言語多様性,音声特性,雑音摂動について紹介する。 対話システムにおける堅牢性問題をテストするための自然摂動を近似するモデル非依存型ツールキットLAUGを提案する。
  論文  参考訳（メタデータ） (2020-12-30T18:18:47Z)
• VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
  我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。 独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。 提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
  論文  参考訳（メタデータ） (2020-10-30T03:41:38Z)
• Cross-lingual Spoken Language Understanding with Regularized Representation Alignment [71.53159402053392]
  外部リソースを使わずに言語間で単語レベルの表現と文レベルの表現を整列する正規化手法を提案する。 言語間言語理解タスクの実験により、我々のモデルは、数ショットとゼロショットの両方のシナリオにおいて、最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-09-30T08:56:53Z)
• Sign Language Transformers: Joint End-to-end Sign Language Recognition and Translation [59.38247587308604]
  本稿では,連続手話認識と翻訳を共同で学習するトランスフォーマーアーキテクチャを提案する。 RWTH-PHOENIX-Weather-2014Tデータセットの認識と翻訳性能の評価を行った。 我々の翻訳ネットワークは、動画を音声言語に、光沢を音声言語翻訳モデルに、どちらよりも優れています。
  論文  参考訳（メタデータ） (2020-03-30T21:35:09Z)

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。