論文の概要: Enhancing Scientific Discourse: Machine Translation for the Scientific Domain
- arxiv url: http://arxiv.org/abs/2605.20912v1
- Date: Wed, 20 May 2026 08:57:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.582317
- Title: Enhancing Scientific Discourse: Machine Translation for the Scientific Domain
- Title（参考訳）: 科学談話の強化:科学領域のための機械翻訳
- Abstract要約: 本稿では,科学領域を対象とした並列・単言語コーパスのコレクションの開発について紹介する。
コーポラは、スペイン語、フランス語、ポルトガル語のペアをターゲットとしている。
それぞれの言語ペアに対して、我々は、がん研究、エネルギー研究、神経科学、交通研究の分野に焦点を当てた、大きな一般的な科学コーパスと4つの小さなコーパスを作成します。
- 参考スコア（独自算出の注目度）: 0.3943414078968784
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing volume of scientific research necessitates effective communication across language barriers. Machine translation (MT) offers a promising solution for accessing international publications. However, the scientific domain presents unique challenges due to its specialized vocabulary and complex sentence structures. In this paper, we present the development of a collection of parallel and monolingual corpora for the scientific domain. The corpora target the language pairs Spanish-English, French-English, and Portuguese-English. For each language pair, we create a large general scientific corpus as well as four smaller corpora focused on the domains of: Cancer Research, Energy Research, Neuroscience, and Transportation research. To evaluate the quality of these corpora, we utilize them for fine-tuning general-purpose neural machine translation (NMT) systems. We provide details regarding the corpus creation process, the fine-tuning strategies employed, and we conclude with the evaluation results.
- Abstract（参考訳）: 科学研究の増大は、言語の障壁を越えて効果的なコミュニケーションを必要とする。
機械翻訳(MT)は、国際的な出版物にアクセスするための有望なソリューションを提供する。
しかし、科学領域は、その専門的な語彙と複雑な文構造のために固有の課題を呈している。
本稿では,科学領域を対象とした並列コーパスと単言語コーパスのコレクションの開発について述べる。
コーポラは、スペイン語、フランス語、ポルトガル語のペアをターゲットとしている。
それぞれの言語ペアに対して、我々は、がん研究、エネルギー研究、神経科学、交通研究の分野に焦点を当てた、大きな一般的な科学コーパスと4つの小さなコーパスを作成します。
これらのコーパスの品質を評価するために、我々はそれらを微細調整型汎用ニューラルネットワーク翻訳(NMT)システムに利用した。
本稿では,コーパス作成プロセス,微調整戦略の詳細と評価結果について述べる。
関連論文リスト
- Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。
本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。
オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
論文 参考訳（メタデータ） (2025-10-10T22:26:26Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - Science Across Languages: Assessing LLM Multilingual Translation of Scientific Papers [27.06887024646089]
我々は、科学論文の翻訳に大規模言語モデル(LLM)を活用している。
我々は複数の科学分野の論文を28の言語に翻訳する。
ベンチマークの結果,平均性能は95.9%であった。
論文 参考訳（メタデータ） (2025-02-25T06:08:48Z) - SciDMT: A Large-Scale Corpus for Detecting Scientific Mentions [52.35520385083425]
SciDMTは,科学的言及検出のための拡張および拡張されたコーパスである。
コーパスは,1)SciDMTの主コーパスは8万4千件の科学的論文と8百万件以上の弱い注釈付き言及アノテーションと,2)評価目的のために手作業で注釈付けされた100件の科学的論文からなる評価セットから構成される。
論文 参考訳（メタデータ） (2024-06-20T22:03:21Z) - A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳（メタデータ） (2024-06-16T08:03:24Z) - Scientific Computing with Large Language Models [0.0]
本稿では,科学計算応用のための大規模言語モデルの出現について概説する。
物理システムを記述するために設計された科学文書や特殊言語を自然言語処理するユースケースを強調した。
論文 参考訳（メタデータ） (2024-06-11T13:39:07Z) - Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。
LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。
AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
論文 参考訳（メタデータ） (2024-01-26T05:33:34Z) - MIST: a Large-Scale Annotated Resource and Neural Models for Functions
of Modal Verbs in English Scientific Text [1.8502316793903635]
MISTデータセットは5つの科学領域に3737のモーダル・インスタンスを含み、それらの意味、実用的、または修辞的機能に注釈を付ける。
我々は、MIST上で競合するニューラルネットワークの集合を体系的に評価する。
我々のコーパス分析は、科学的コミュニティがモーダル動詞の使用で異なることを示す証拠を提供する。
論文 参考訳（メタデータ） (2022-12-14T11:10:03Z) - Quantifying Synthesis and Fusion and their Impact on Machine Translation [79.61874492642691]
自然言語処理(NLP)では、一般に、融合や凝集のような厳密な形態を持つ言語全体をラベル付けする。
本研究では,単語とセグメントレベルで形態型を定量化することにより,そのようなクレームの剛性を低減することを提案する。
本研究では, 英語, ドイツ語, トルコ語の非教師なし・教師付き形態素分割法について検討する一方, 融合ではスペイン語を用いた半自動手法を提案する。
そして、機械翻訳品質と単語(名詞と動詞)における合成・融合の程度との関係を分析する。
論文 参考訳（メタデータ） (2022-05-06T17:04:58Z) - Fine Grained Human Evaluation for English-to-Chinese Machine
Translation: A Case Study on Scientific Text [16.776811816631696]
我々は,4つの中国英語NMTシステムに対して,科学的な抽象概念に基づいて,きめ細かな体系的人間評価を行う。
以上の結果から,全システムは平均10%以上のエラー率で復帰し,実際の学術的利用には多くの編集作業が必要になることがわかった。
論文 参考訳（メタデータ） (2021-09-13T23:51:25Z)
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。