論文の概要: Generation-Heavy Hybrid Machine Translation

• arxiv url: http://arxiv.org/abs/2610.25107v1
• Date: Sun, 18 Oct 2026 08:39:31 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:19:33.951492
• Title: Generation-Heavy Hybrid Machine Translation
• Title（参考訳）: 世代重ハイブリッド機械翻訳
• Abstract要約: 機械翻訳(MT)の最先端技術は、ソースおよびターゲット言語から大量の対称的なリソースを必要とする。 これらのアプローチの対称性は、品質、堅牢性、再ターゲット性を保証するために必要です。 この論文は、ソース・プアー/ターゲット・リッチ言語対における対称性の欠如に対処するMTへのアプローチを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The state of the art techniques in Machine Translation (MT) require large amounts of symmetric resources from source and target languages. This is true regardless of whether the approach is Transfer or Interlingua, Symbolic or Statistical. Symmetry within these approaches is necessary to ensure quality, robustness and retargetability. In reality, such symmetry, whether it is in terms of structural transfer lexicons, interlingual dictionaries or parallel corpora, is a major bottleneck in developing any MT system. This dissertation presents an approach to MT that addresses the lack of symmetry by exploiting symbolic and statistical target language resources in source-poor/target-rich language pairs. This approach is called Generation-Heavy Hybrid Machine Translation (GHMT). Expected source language resources include a syntactic parser and a simple one-to-many translation dictionary. No transfer rules or complex interlingual representations are used. Rich target language symbolic resources are used to overgenerate multiple structural variations from a target-glossed syntactic dependency representation of source language sentences. Statistical target-language resource are then used to select amongst the overgenerated translations. The source-target asymmetry of systems developed in this approach makes them more easily retargetable to new source languages.
• Abstract（参考訳）: 機械翻訳(MT)の最先端技術は、ソースおよびターゲット言語から大量の対称リソースを必要とする。 これは、移行かインターリングアか、象徴的か、統計的かに関わらず真である。 これらのアプローチの対称性は、品質、堅牢性、再ターゲット性を保証するために必要です。 実際、そのような対称性は構造移動レキシコン、インターリンガル辞書または平行コーパスの観点からも、あらゆるMTシステムの開発において大きなボトルネックとなっている。 この論文は、情報源/ターゲットリッチ言語ペアにおける記号的および統計的ターゲット言語リソースを活用することにより、対称性の欠如に対処するMTへのアプローチを示す。 このアプローチはGeneration-Heavy Hybrid Machine Translation (GHMT)と呼ばれる。 期待されているソース言語リソースには、構文解析器と単純な1対多翻訳辞書が含まれる。 転送ルールや複雑な言語間表現は使用されない。 リッチターゲット言語シンボリックリソースは、ソース言語文の構文依存表現から複数の構造変化をオーバージェネレーションするために使用される。 統計的ターゲット言語リソースは、オーバージェネレーションされた翻訳の中から選択するために使用される。 このアプローチで開発されたシステムのソースターゲット非対称性により、新しいソース言語への再ターゲットが容易になる。

関連論文リスト

• Understanding In-Context Machine Translation for Low-Resource Languages: A Case Study on Manchu [53.437954702561065]
  In-context machine translation (MT) with large language model (LLMs) は低リソースMTにおいて有望な手法である。 本研究は,辞書,文法書,検索した並列例などの資源の種類が翻訳性能に与える影響を系統的に検討する。 結果から,良質な辞書や優れた並列例は有用であり,文法はほとんど役に立たないことが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-17T14:53:49Z)
• Pointer-Generator Networks for Low-Resource Machine Translation: Don't Copy That! [13.120825574589437]
  本研究では,Transformer-based neural machine translation (NMT) が高リソース環境において非常に有効であることを示す。 このモデルでは,近縁な言語対と遠縁な言語対に対する改善が示されていない。 この動作の理由に関する議論は、LR NMTのいくつかの一般的な課題を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-03-16T16:17:47Z)
• Transfer to a Low-Resource Language via Close Relatives: The Case Study on Faroese [54.00582760714034]
  言語間のNLP転送は、高ソース言語のデータとモデルを活用することで改善できる。 我々は、名前付きエンティティ認識(NER)、セマンティックテキスト類似性(STS)、スカンジナビア全言語で訓練された新しい言語モデルのためのFaroeseデータセットとFaroeseデータセットの新しいWebコーパスをリリースする。
  論文  参考訳（メタデータ） (2023-04-18T08:42:38Z)
• 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)
• Improving Multilingual Neural Machine Translation System for Indic Languages [0.0]
  低リソース言語翻訳に関わる問題に対処する多言語ニューラルマシン翻訳(MNMT)システムを提案する。 提案モデルの実現には最先端のトランスフォーマーアーキテクチャを用いる。 大量のデータに対する試行は、従来のモデルよりもその優位性を明らかにしている。
  論文  参考訳（メタデータ） (2022-09-27T09:51:56Z)
• Linking Emergent and Natural Languages via Corpus Transfer [98.98724497178247]
  創発言語と自然言語のコーパス転送によるリンクを確立する新しい方法を提案する。 このアプローチでは,言語モデリングとイメージキャプションという,2つの異なるタスクに対して,非自明な転送メリットを示す。 また,同一画像に基づく自然言語キャプションに創発的メッセージを翻訳することで,創発的言語の伝達可能性を予測する新しい指標を提案する。
  論文  参考訳（メタデータ） (2022-03-24T21:24:54Z)
• Adapting High-resource NMT Models to Translate Low-resource Related Languages without Parallel Data [40.11208706647032]
  並列データの不足は、低リソース言語向けの高品質機械翻訳システムのトレーニングにおいて大きな障害となる。 本研究では,この言語的重複を利用して,モノリンガルデータのみを用いた低リソース言語への翻訳を容易にする。 我々の手法であるNMT-Adaptは,低リソース適応にモノリンガルデータを利用するために,デノイング自動符号化,バックトランスレーション,対向目的を組み合わせた手法である。
  論文  参考訳（メタデータ） (2021-05-31T16:01:18Z)
• 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)
• PPT: Parsimonious Parser Transfer for Unsupervised Cross-Lingual Adaptation [37.1075911292287]
  言語間移動は低リソース言語を解析する主要な手法である。 本稿では,教師なし言語間移動手法を提案する。 遠隔言語と近距離言語の両方で最先端のトランスファーモデルを大幅に改善した。
  論文  参考訳（メタデータ） (2021-01-27T05:52:26Z)

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。