抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
英語は世界で最も広く使われている言語の一つになっている。そのような広く使用された言語に対する良好な翻訳メカニズムがないならば,それは研究および寿命の両方へのトラブルをもたらすであろう。現在,世界の主要なプラットフォームは,英語翻訳戦略の研究と関連づけられている。異なる領域と異なる翻訳機構から翻訳プラットフォームがある。異なる翻訳プラットフォームからのこれらの翻訳データは,大規模,マルチソース,不均一性,高次元,および貧弱な品質の特性を持っている。しかしながら,そのような矛盾した翻訳データは,翻訳困難と翻訳時間を増加させる。したがって,より良い翻訳効果を達成するために,翻訳データの品質を改善する必要がある。大規模で効率的な翻訳戦略を提供する方法は,機械学習に基づく異種翻訳データクリーニングと融合を実行するために,様々なプラットフォームの翻訳戦略を統合する必要がある。最初に,本論文は,ツリー増強ナイーブBayesネットワーク(TANs)としてマルチソース,異種変換データモデルを提示して,TAN構造の学習を通してデータセットと入力属性とタプルの確率分布を自然捕捉し,データ確率値を用いて,翻訳データクリーニングの分類を完成させた。次に,反復ニューラルネットワーク(RNN)に基づくマルチソース,異種変換データ融合モデルを構築して,RNNを用いて,隠れ層のノードデータを制御して,融合プロセスにおけるフォールトトレラント能力を強化して,融合モデルの構築を完了した。最後に,実験結果は,TANsベースの翻訳データ洗浄法が,約10%の平均改善と平均約5%の洗浄時間によって,洗浄率を効果的に改良できることを示した。さらに,RNNベースのマルチソース翻訳データ融合法は,従来の融合モデルの短所を改善し,二乗平均平方根誤差(RMSE),平均絶対百分率誤差(MAPE),融合時間,および完全性に関して融合モデルの実用性を改善する。Copyright 2022 Chuncheng Wang. Translated from English into Japanese by JST.【JST・京大機械翻訳】