論文の概要: Cross-Lingual Transfer for Machine Translation in Turkic Languages

• arxiv url: http://arxiv.org/abs/2607.29355v1
• Date: Fri, 31 Jul 2026 12:42:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.712171
• Title: Cross-Lingual Transfer for Machine Translation in Turkic Languages
• Title（参考訳）: トルコ語における機械翻訳のための言語間翻訳
• Abstract要約: 言語間移動は機械翻訳の中心であるが、その振舞いは未だ不十分である。 我々はトルコ語、アゼルバイジャン語、ウズベク語、カザフ語、キルギス語の5つの言語間の移動について研究している。 特にトルコ・アゼルバイジャン語とカザフ・キルギス語の間では、移動が最強であることが分かっています。
• 参考スコア（独自算出の注目度）: 1.576072708938671
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cross-lingual transfer is central to low-resource machine translation, but its behavior within closely related language families remains insufficiently characterized. We study transfer among five Turkic languages; Turkish, Azerbaijani, Uzbek, Kazakh, and Kyrgyz; using pairwise transfer matrices. In this setting, each model is fine-tuned with one transfer source and evaluated on a different transfer target while the translation target remains the same. Across mT5 experiments, we find that transfer is strongest between closely related Turkic pairs, especially Turkish-Azerbaijani and Kazakh-Kyrgyz. We also show that transfer direction matters, and that the same transfer source-transfer target pair can behave differently when the translation target changes. Latinization improves BLEU and chrF in several script-mismatched settings, but its effect is not uniform across metrics. Additional analyses show that transfer sources are mostly stable across different datasets and model settings.
• Abstract（参考訳）: 言語間移動は低リソース機械翻訳の中心であるが, 近縁な言語族内での動作は未だ不十分である。 トルコ語、アゼルバイジャン語、ウズベク語、カザフ語、キルギス語という5つのテュルク語族の言語間の移動を、相互に移動行列を用いて研究する。 この設定では、各モデルを1つの転送ソースで微調整し、変換ターゲットが同じである間に異なる転送ターゲットで評価する。 mT5実験全体では、特にトルコ・アゼルバイジャンとカザフ・キルギスの間での移動が最強であることが判明した。 また、転送方向が重要であり、同じ転送元-転送対象ペアが変換対象が変化すると、異なる動作をすることができることを示す。 ラテン文字化はBLEUとchrFをいくつかのスクリプトミスマッチした設定で改善するが、その効果はメトリクス間で均一ではない。 追加の分析によると、転送ソースはさまざまなデータセットとモデル設定でほぼ安定している。

関連論文リスト

• Are Multilingual Models Actually Improving? Isolating True Cross-Lingual Transfer [38.60525517589573]
  言語間移動は、よく表現されたソース言語から未表現のターゲット言語へ機能を一般化するモデルの能力である。 モデル転送強度の既存の測定基準は、ソース言語の精度を全般的に向上させ、トランスファーの改善を詳述する。 我々は、ハードネス調整転写スコア(HAT)と呼ばれる転写強度を確実に捕捉する代替計量を提唱する。
  論文  参考訳（メタデータ） (2026-06-20T09:03:13Z)
• Donors and Recipients: On Asymmetric Transfer Across Tasks and Languages with Parameter-Efficient Fine-Tuning [61.568735270400786]
  大規模言語モデル(LLM)はタスクや言語間で強く機能する。 あるタスクや言語の改善が他のタスクや言語にどのように影響するか、それらの組み合わせはいまだに理解されていない。
  論文  参考訳（メタデータ） (2025-11-17T13:41:31Z)
• Disentangling the Roles of Target-Side Transfer and Regularization in Multilingual Machine Translation [9.838281446902268]
  我々は2次元の補助的対象側言語を変化させる大規模研究を行う。 言語的に類似したターゲット言語は、肯定的な知識を伝達する強い能力を示す。 類似のターゲット言語のサイズが大きくなると、前向きな変換が強化され、主要な言語ペアにメリットがもたらされる。 一方、遠方の補助的対象言語は、最小限の正の転送能力を持ちながら、予期せずメイン言語ペアの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2024-02-01T10:55:03Z)
• Revisiting Machine Translation for Cross-lingual Classification [91.43729067874503]
  この分野のほとんどの研究は、機械翻訳コンポーネントではなく多言語モデルに焦点を当てている。 より強力なMTシステムを用いて、原文のトレーニングと機械翻訳テキストの推論のミスマッチを緩和することにより、翻訳テストは以前想定していたよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-23T16:56:10Z)
• Viewing Knowledge Transfer in Multilingual Machine Translation Through a Representational Lens [15.283483438956264]
  本稿では,言語間の表現的類似度を測定するRepresentational Transfer potential (RTP)を紹介する。 RTPは正と負の両方の転送(干渉)を計測できることを示し、RTPは翻訳品質の変化と強く相関していることを示した。 我々は,言語間で表現をより不変にするための補助的類似性損失を用いた新しい学習手法を開発した。
  論文  参考訳（メタデータ） (2023-05-19T09:36:48Z)
• Measuring Cross-Lingual Transferability of Multilingual Transformers on Sentence Classification [49.8111760092473]
  文分類タスクにおける多言語変換器のための言語間変換可能性指標IGapを提案する。 実験の結果,IGapは転送可能性測定と転送方向ランキングの基準値よりも優れていた。 その結果,多言語トランスフォーマーの理解を深める上で,言語間移動の3つの知見が得られた。
  論文  参考訳（メタデータ） (2023-05-15T17:05:45Z)
• Cross-Linguistic Syntactic Difference in Multilingual BERT: How Good is It and How Does It Affect Transfer? [50.48082721476612]
  マルチリンガルBERT (mBERT) は, 言語間シンタクティックな機能を示した。 我々は,mBERTから引き起こされる文法的関係の分布を,24言語に類型的に異なる文脈で検討した。
  論文  参考訳（メタデータ） (2022-12-21T09:44:08Z)
• Revamping Multilingual Agreement Bidirectionally via Switched Back-translation for Multilingual Neural Machine Translation [107.83158521848372]
  マルチリンガル・コンセンサス(MA)は、マルチリンガル・ニューラル・マシン翻訳(MNMT)の重要性を示した textbfBidirectional textbfMultilingual textbfAgreement via textbfSwitched textbfBack-textbftranslation (textbfBMA-SBT) これは、訓練済みのMNMTモデルを微調整するための、新規で普遍的な多言語合意フレームワークである。
  論文  参考訳（メタデータ） (2022-09-28T09:14:58Z)
• From Zero to Hero: On the Limitations of Zero-Shot Cross-Lingual Transfer with Multilingual Transformers [62.637055980148816]
  言語モデリングの目的によって事前訓練された多言語トランスフォーマーは、NLPの事実上のデフォルト転送パラダイムとなっている。 膨大な多言語変換器による言語間変換は,リソースリーンシナリオや遠方言語では著しく効果が低いことを示す。
  論文  参考訳（メタデータ） (2020-05-01T22:04:58Z)
• 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。