文献

J-GLOBAL ID：202102250792530840   整理番号：21A0685759

アジア語のための極低リソースニューラル機械翻訳【JST・京大機械翻訳】

Extremely low-resource neural machine translation for Asian languages

著者 (6件)： Rubino Raphael (ASTREC, NICT, Kyoto, Japan) ,  Marie Benjamin (ASTREC, NICT, Kyoto, Japan) ,  Dabre Raj (ASTREC, NICT, Kyoto, Japan) ,  Fujita Atushi (ASTREC, NICT, Kyoto, Japan) ,  Utiyama Masao (ASTREC, NICT, Kyoto, Japan) ,  Sumita Eiichiro (ASTREC, NICT, Kyoto, Japan)
資料名： Machine Translation  (Machine Translation)
巻： 34  号： 4  ページ： 347-382  発行年： 2020年 
JST資料番号： W4700A  ISSN： 0922-6567  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,英語と4つのアジア言語に焦点を当てた自己注意ベースニューラルマシン翻訳(NMT)のための極めて低資源言語ペアを扱うための効果的なアプローチのセットを提示した。バイリンガルベースラインモデルを訓練するために使用される並列文の初期集合から始めて,翻訳品質を改善するために追加のモノリンガルコーパスとデータ処理技術を導入した。ハイパーパラメータ探索,タグとノイズと組み合わせた前方および後方変換によるデータ増強,および共同多言語訓練のような最先端のNMTアプローチに基づいて,8つの翻訳方向について行われた評価を通して,一連の最良の実践と経験的検証を行った。実験は,自己注意NMTモデルの一般的に使用されるデフォルトアーキテクチャが最良の結果に到達しないことを示し,ハイパーパラメータチューニングの重要性に関する以前の研究を検証した。さらに,経験的結果は,自動計量によって測定される最良の翻訳品質をもたらすモデルのパラメータを効率的に増加させるのに必要な合成データの量を示す。大量のタグ付きバックトランスレーションで訓練された最良のNMTモデルは,3つの他の合成データ生成手法よりも性能が優れていることを示した。最後に,統計的機械翻訳(SMT)との比較は,非常に低い資源NMTが,先行するSMTアプローチとの性能ギャップを閉じるために,逆変換で得られた大量の合成並列データを必要とすることを示した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *機械翻訳 ,  言語 ,  同調 ,  英語 ,  アジア ,  言語療法 ,  データ処理 ,  逆変換 ,  基準線 ,  計算機アーキテクチャ ,  コーパス
準シソーラス用語： バイリンガル ,  統計的機械翻訳 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (6件)： 神経機械翻訳 ,  低資源 ,  アジア語 ,  変圧器 ,  合成データ ,  ハイパーパラメータチューニング

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： アジア ,  極 ,  リソース ,  ニューラル機械翻訳