文献

J-GLOBAL ID：202002213249847202   整理番号：20A0904566

一対多多言語エンドツーエンド音声翻訳【JST・京大機械翻訳】

One-to-Many Multilingual End-to-End Speech Translation

著者 (3件)： Di Gangi Mattia A. (University of Trento,DiSI,Italy) ,  Negri Matteo (Fondazione Bruno Kessler,MT unit,Italy) ,  Turchi Marco (Fondazione Bruno Kessler,MT unit,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ASRU  ページ： 585-592  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日では,音声言語翻訳(SLT)のための訓練エンドツーエンド神経モデルは,まだ極端なデータ不足条件と一致しなければならない。既存のSLT並列コーパスは,自動音声認識(ASR)と機械翻訳(MT)の密接に関連するタスクに対して利用可能なものよりも実際に小さく,通常数百万のインスタンスを構成する。データ不足に対処するために,本論文では,タスクへの多言語アプローチを提示することにより,エンドツーエンドSLTにおける転送学習の有効性を調べた。多言語の解はMTにおいて広く研究されており,通常「ターゲットの強制」に依存しており,その中で多言語の並列データを結合して,入力シーケンスに先行することにより単一モデルを訓練する。しかし,音声翻訳においてテストした場合,実験により,ターゲット言語間の識別において,MT様ターゲット強制が有効でないことを示した。そこで,本論文では,言語に従って空間の異なる部分における入力表現をシフトさせるために,ターゲット言語埋め込みを用いる変種を提案し,望ましい目標言語における出力の生成をより良く支援する。英語から6言語へのエンドツーエンドSLTに関する著者らの実験は,類似言語に翻訳するとき,特にこれらが不十分なデータによってサポートされるとき,重要な改善を示す。追加言語(+2.5BLEUポイントまで)として英語ASRデータを用いると,更なる改善が得られる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  機械翻訳 ,  *言語 ,  英語 ,  *エンドツーエンド方式 ,  有効性 ,  コーパス ,  話し言葉
準シソーラス用語： 神経回路網モデル ,  *多言語 ,  *音声翻訳 ,  自動音声認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 多言語 ,  エンドツーエンド ,  音声翻訳