في هذه الورقة، نناقش تفاصيل أنظمة الترجمة المختلفة (MT) التي قدمناها لمهمة Loresmt الإنجليزية Marathi.كجزء من هذه المهمة، قدمنا ثلاثة أنظمة ترجمة آلية عصبية مختلفة (NMT)؛نظام أساسي في اللغة الإنجليزية - المراثي، نظام ماريثي-إنجليزي خط الأساس، ونظام إ
نجليزي - مراثي يعتمد على تقنية الترجمة الخلفي.نستكشف أداء أنظمة NMT هذه بين لغات اللغة الإنجليزية والمراثي، والتي تشكل زوج لغة موارد منخفضة بسبب عدم توفر بيانات متوازية كافية.نستكشف أيضا أداء تقنية الترجمة الخلفي عندما يتم الحصول على البيانات المترجمة الخلفي من أنظمة NMT التي يتم تدريبها على كمية أقل من البيانات.من تجاربنا، نلاحظ أن تقنية الترجمة الخلفي يمكن أن تساعد في تحسين جودة MT على خط الأساس لزوج اللغة الإنجليزية المهاراتية.
غالبا ما يتحلل ترجمة لغة الإشارة (SLT) في التعرف على الفيديو إلى اللمعان والترجمة النصية إلى النص، حيث يكون اللمعان سلسلة من الكلمات اللغوية الموضحة باللغة المنطوقة بالترتيب الذي يتم فيه توقيعه.نحن نركز هنا على الترجمة اللامع إلى النص، والتي نعلمها ك
مشكلة ترجمة آلية منخفضة الموارد (NMT).ومع ذلك، على عكس المورد المنخفض التقليدي NMT، تختلف الترجمة من اللمعان إلى النص لأن أزواج النص اللامع في كثير من الأحيان تحتوي على تداخل معجمي أعلى وانخفاض التداخل النحوي أقل من أزواج اللغات المنطوقة.نستفصل هذا التداخل المعجمي والتعامل مع الاختلاف النحوي عن طريق اقتراح اثنين من الاستدلال المستندة إلى القواعد التي تولد أزواج نصية متوازية من النصوص الزائفة من نص اللغة المنطوقة غير المنطوقة.من خلال التدريب المسبق على هذه البيانات الاصطناعية، نحسن الترجمة من لغة الإشارة الأمريكية (ASL) إلى لغة الإشارة الإنجليزية والألمانية إلى الألمانية بنسبة تصل إلى 3.14 و 2.20 بلو، على التوالي.
