اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدباستخدام Collgram لمقارنة اللغة الصيغة في الترجمة الإنسانية والآلية
Using CollGram to Compare Formulaic Language in Human and Machine Translation
367
0 0
0.0
(
0
)
نشر من قبل
جمعية اللغويات الحاسوبية ACL مقالة
تاريخ النشر
2021
مجال البحث
الذكاء الاصناعي
والبحث باللغة
English
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تبين مقارنة تسلسلات الصيغة في الآلات البشرية والآلة العصبية لمقالات الصحف عالية الجودة أن ترجمات الآلات العصبية تحتوي على تسلسل أقل تردد أقل، ولكن تسلسل صيغة صيغة صينية مرتبطة بشدة (FSS)، والمزيد من FSS عالية التردد.يمكن أن ترتبط هذه الملاحظات بالاختلافات بين المتعلمين من اللغات الثانية من المستويات المختلفة وبين النصوص المترجمة وغير الترجمة.تشير المقارنة بين أنظمة الترجمة الآلية العصبية إلى أن بعض الأنظمة تنتج المزيد من الأقمار الصناعية لكلا النوعين من الأنظمة الأخرى.
A comparison of formulaic sequences in human and neural machine translation of quality newspaper articles shows that neural machine translations contain less lower-frequency, but strongly-associated formulaic sequences (FSs), and more high-frequency FSs. These observations can be related to the differences between second language learners of various levels and between translated and untranslated texts. The comparison between the neural machine translation systems indicates that some systems produce more FSs of both types than other systems.
المراجع المستخدمة
https://aclanthology.org/
قيم البحث
اقرأ أيضاً
تناقش هذه الورقة نهجا قائما على التصنيف لتقييم الترجمة الآلي، بدلا من نهج قائم على الانحدار المشترك في مهمة مقاييس WMT.تعمل الترجمة الآلية الحديثة عادة بشكل جيد ولكن في بعض الأحيان تجعل الأخطاء الحرجة بسبب بعض خيارات كلمة خاطئة فقط.يركز نهجنا القائم
على التصنيف على هذه الأخطاء باستخدام العديد من ملصقات نوع الخطأ، لتقييم ترجمة الآلات العملي في عصر الترجمة الآلية العصبية.لقد بذلنا شرحا إضافيا على مجموعات بيانات المقاييس 2015-2017 مع ملصقات الطلاقة والكفاية لتمييز أنواع مختلفة من أخطاء الترجمة من نقاط العرض النحوية والدلسة.نقدم معايير التقييم البشرية لدينا لتطوير Corpus وتجارب التقييم التلقائي باستخدام Corpus.سيتم إتاحة كوربوس التقييم البشري علنا عند النشر.
في هذه الورقة، نقدم رؤية تجاه إنشاء منصة مالطا لتكنولوجيا اللغات الوطنية؛جهد مستمر يهدف إلى توفير أساس لتعزيز اللغات الرسمية في مالطا، أي المالطية والإنجليزية، باستخدام الترجمة الآلية.سيؤدي ذلك إلى المساهمة في تحسين دعم تكنولوجيا اللغة الحالية لغوية
لغة الموارد المنخفضة المالطية، عبر حقول اللغويات الحسابية المتعددة، مثل معالجة الكلام والترجمة الآلية وتحليل النصوص ومصادر متعددة الوسائط.تتمثل الأهداف النهائية في إزالة الحواجز اللغوية، وزيادة إمكانية الوصول، وتعزيز الخدمات عبر الحدود، والأهم من ذلك لتسهيل الحفاظ على اللغة المالطية.
يعتبر استخدام الراتنج المركب كمادة مرممة أساسياً ضمن العيادة و يعتبر الحصول على ترميمات راتنجية طويلة الأمد الشغل الشاغل لأطباء الأسنان.
المواد والطرق: تألفت العينة من (20) رحى ثالثة سليمة من أية آفة نخرية وحُضرت على كل رحى حفرة صنف أول و رممت بالرا
تنج المركب
(Tetric EvoCeram) ثم تعرضت العينة لدورات حرارية, قسمت العينة بعدها عشوائياً إلى مجموعتين بحسب الراتنج المستخد للإصلاح: المجموعة الأولى (10) أرحاء رممت براتنج مركب جديد Filtek™ P92 بعد أن تعرضت للإصلاح عن طريق مجموعة ®Cojet لشركة (3M ESPE, Germany)
أما المجموعة الثانية(10) أرحاء فتعرضت هي الأخرى للإصلاح عن طريق نفس المجموعة و رممت بالراتنج المركب Z350 XT عرضت المجموعتان
بعد ذلك إلى الدورات الحرارية ثانية, لتغمس بعد ذلك ضمن محلول فوشين الأساسي (0.5)% لمدة (1) ثانية تم إجراء مقاطع عرضية لدراسة التسرب الحفافي عن طريق مجهير الستيريو.
النتائج: أظهرت الاختبارات الإحصائية عدم وجود فروق دالة إحصائياً في تكررات درجة التسرب الحفافي بين المجموعة التي تعرضت للإصلاح بالراتنج المركب ذي الأساس
العضوي سيلوران و المجموعة التي تعرضت للإصلاح بالراتنج المركب ذي الأساسالعضوي ميتاكريلات عند مستوى الثقة 95% .
في هذه الورقة، نحن نصف مجموعتنا لمهمة مشاركة اللغة المشتركة للغة 2021. لقد بنينا 3 أنظمة في كل اتجاه لزوج لغة التاميل.تحدد هذه الورقة تجارب مع مخططات التوت المختلفة لتدريب النماذج الإحصائية.نبلغ أيضا عن تكوين الأنظمة والنتائج المقدمة التي ينتجها من قبلها.
في هذا العمل، تم تطوير وتقييم وتقييم أنظمة الترجمة الآلية العصبيةين كجزء من BILIRECTIONAL TAMIL-TELUGU Transmation Language Translation Transke Subtask في WMT21. تم استخدام مجموعة أدوات OpenNMT-PY لإنشاء النماذج النماذج الخاصة بالأنظمة السريعة، والتي
تتابع النماذج التي تم تدريبها على مجموعات البيانات التدريبية التي تحتوي على Corpus الموازي وأخيرا تم تقييم النماذج على مجموعات بيانات Dev المقدمة كجزء من المهمة. تم تدريب كل من الأنظمة على محطة DGX مع 4 -V100 GPUs. أول نظام NMT في هذا العمل هو طراز ترميز تشفير من 6 طبقة محول، تدرب على 100000 خطوة تدريبية، مما يشبه تكوينه الجديد الذي يوفره OpenNMT-PY وهذا يستخدم لإنشاء نموذج للحصول على ترجمة ثنائية الاتجاه. يحتوي نظام NMT الثاني على نماذج ترجمة أحادية الاتجاه مع نفس التكوين كنظام أول كأول، مع إضافة ترميز زوج البايت البايت (BPE) لتخشيص الكلمات الفرعية من خلال طراز MultiBPEMB المدرب مسبقا. بناء على مقاييس تقييم DEV DataSet لكل من النظم، فإن النظام الأول I.E. لقد تم تقديم نموذج محول الفانيليا كنظام أساسي. نظرا لعدم وجود تحسينات في المقاييس أثناء تدريب النظام الثاني مع BPE، فقد تم تقديمه كأنظمة مضادة للتناقض.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
