NEJM-enzh:生物医学領域における英語-中国語翻訳のための並列コーパス【JST・京大機械翻訳】

Liu Boxiang; Huang Liang

プレプリント

J-GLOBAL ID：202202202758869080 整理番号：22P0148810

NEJM-enzh:生物医学領域における英語-中国語翻訳のための並列コーパス【JST・京大機械翻訳】

NEJM-enzh: A Parallel Corpus for English-Chinese Translation in the Biomedical Domain

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年05月18日プレプリントサーバーでの情報更新日： 2020年05月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械翻訳は大量の並列テキストを必要とする。このようなデータセットはニュースワイヤのようなドメインで豊富であるが,生物医学ドメインではアクセス性が低い。中国語と英語は,最も広く話された言語の2つであるが,我々の知識では,生物医学領域における並列コーパスは,この言語対には存在していない。本研究では,新しいイングランドジャーナル(NEJM)から,各サイドで,約100,000の文章対と3,000,000トークンからなる英語-中国語の並列コーパスを取得・処理するための効果的なパイプラインを開発した。ドメイン外データに関する訓練と4,000NEJM文章ペアとの微調整は,エン→zh(zh→en)方向に対して25.3(13.4)BLEUによる翻訳品質を改善することを示した。翻訳品質は,全データセットのen→zh(zh→en)方向に対する33.0(24.3)BLEUの増加を伴って,より大きなドメインデータセットのより遅いペースで改善を続けた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, 【Automatic Indexing@JST】

自然語処理

, , , ,

前のページに戻る