Fugu-MT 論文翻訳(概要): Neural Machine Translation for Coptic-French: Strategies for Low-Resource Ancient Languages

論文の概要: Neural Machine Translation for Coptic-French: Strategies for Low-Resource Ancient Languages

arxiv url: http://arxiv.org/abs/2508.10683v1
Date: Thu, 14 Aug 2025 14:25:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-15 22:24:48.355953
Title: Neural Machine Translation for Coptic-French: Strategies for Low-Resource Ancient Languages
Title（参考訳）: コプト・フレンチのためのニューラル機械翻訳:低資源古代言語のための戦略
Authors: Nasma Chaoui, Richard Khoury,
Abstract要約: 本稿では,コプト語をフランス語に翻訳する手法に関する最初の体系的研究について述べる。我々の包括的なパイプラインは、ピボット対直接変換、事前学習の影響、マルチバージョン微調整の利点、ノイズに対するロバスト性など、体系的に評価している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the first systematic study of strategies for translating Coptic into French. Our comprehensive pipeline systematically evaluates: pivot versus direct translation, the impact of pre-training, the benefits of multi-version fine-tuning, and model robustness to noise. Utilizing aligned biblical corpora, we demonstrate that fine-tuning with a stylistically-varied and noise-aware training corpus significantly enhances translation quality. Our findings provide crucial practical insights for developing translation tools for historical languages in general.
Abstract（参考訳）: 本稿では,コプト語をフランス語に翻訳する手法に関する最初の体系的研究について述べる。我々の包括的なパイプラインは、ピボット対直接変換、事前学習の影響、マルチバージョン微調整の利点、ノイズに対するロバスト性など、体系的に評価している。整列した聖書コーパスを用いて,スタイリスティックで有音な学習コーパスによる微調整が翻訳品質を著しく向上させることを示した。本研究は,歴史的言語全般の翻訳ツール開発において重要な実践的洞察を提供するものである。

関連論文リスト

Iterative Translation Refinement with Large Language Models [25.90607157524168]
本稿では,翻訳を自己修正するために,大規模言語モデルを反復的に提案する。また,評価における課題と,人間のパフォーマンスと翻訳との関係についても論じる。
論文参考訳（メタデータ） (2023-06-06T16:51:03Z)
HanoiT: Enhancing Context-aware Translation via Selective Context [95.93730812799798]
コンテキスト対応ニューラルネットワーク翻訳は、文書レベルのコンテキストを使用して翻訳品質を改善することを目的としている。無関係または自明な単語は、いくつかのノイズをもたらし、モデルが現在の文と補助的な文脈の関係を学ぶのを邪魔する可能性がある。そこで本稿では,階層的選択機構を備えたエンド・ツー・エンドのエンコーダ・デコーダモデルを提案する。
論文参考訳（メタデータ） (2023-01-17T12:07:13Z)
Rethinking Round-Trip Translation for Machine Translation Evaluation [44.83568796515321]
ラウンドトリップ翻訳が参照なしで自動評価に利用できるという驚くべき発見を報告する。ラウンドトリップ翻訳が複数の機械翻訳評価タスクに有用であることを示す。
論文参考訳（メタデータ） (2022-09-15T15:06:20Z)
End-to-End Training for Back-Translation with Categorical Reparameterization Trick [0.0]
バックトランスレーションは、ニューラルネットワーク翻訳(NMT)における効果的な半教師付き学習フレームワークである事前学習されたNMTモデルは、モノリンガル文を翻訳し、他のNMTモデルのトレーニングのために合成バイリンガル文ペアを作成する。翻訳文の離散的性質は、情報勾配が2つのNMTモデル間で流れるのを防ぐ。
論文参考訳（メタデータ） (2022-02-17T06:31:03Z)
DEEP: DEnoising Entity Pre-training for Neural Machine Translation [123.6686940355937]
機械翻訳モデルは通常、トレーニングコーパスで稀な名前付きエンティティの翻訳を貧弱に生成することが示されている。文中の名前付きエンティティ翻訳精度を向上させるために,大量のモノリンガルデータと知識ベースを利用するDenoising Entity Pre-training法であるDEEPを提案する。
論文参考訳（メタデータ） (2021-11-14T17:28:09Z)
On the Language Coverage Bias for Neural Machine Translation [81.81456880770762]
言語カバレッジバイアスは、ニューラルネットワーク翻訳(NMT)において重要である。実験を慎重に設計することにより、トレーニングデータにおける言語カバレッジバイアスの包括的分析を行う。本稿では,言語カバレッジバイアス問題を軽減するための,シンプルで効果的な2つのアプローチを提案する。
論文参考訳（メタデータ） (2021-06-07T01:55:34Z)
Learning Policies for Multilingual Training of Neural Machine Translation Systems [36.292020779233056]
低リソースのMNMT(Multilingual Neural Machine Translation)は通常、1つ以上の言語ペアの翻訳性能を改善する。本稿では,2つの簡単な検索ベースのカリキュラムを提案し,微調整などの既存手法と併用して翻訳性能を向上させる。
論文参考訳（メタデータ） (2021-03-11T21:38:04Z)
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)
Incorporating Bilingual Dictionaries for Low Resource Semi-Supervised Neural Machine Translation [5.958653653305609]
我々は、単語・バイ・ワードの翻訳によって合成文を生成する、広く利用可能なバイリンガル辞書を組み込んだ。これにより、高品質なコンテンツを維持しながら、モデルの語彙を自動的に拡張する。
論文参考訳（メタデータ） (2020-04-05T02:14:14Z)
Learning Contextualized Sentence Representations for Document-Level Neural Machine Translation [59.191079800436114]
文書レベルの機械翻訳は、文間の依存関係をソース文の翻訳に組み込む。本稿では,ニューラルマシン翻訳(NMT)を訓練し,文のターゲット翻訳と周辺文の双方を予測することによって,文間の依存関係をモデル化するフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-30T03:38:01Z)
Robust Unsupervised Neural Machine Translation with Adversarial Denoising Training [66.39561682517741]
unsupervised neural machine translation (UNMT) は機械翻訳コミュニティに大きな関心を集めている。 UNMTの主な利点は、必要な大規模な訓練用テキストの簡単な収集にある。本稿では,UNMT ベースのシステムのロバスト性を改善するため,まずノイズを考慮に入れた。
論文参考訳（メタデータ） (2020-02-28T05:17:55Z)

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。