Сочинение на тему Машинный перевод в современном мире

Пример машинного перевода (EBMT) – это один из подходов SMT, основанный на аналогии. Он также основан на двуязычном корпусе в качестве основной базы знаний [1]. Учитывая новый тест Source Sentence и соответствующие ему ссылочные предложения, он переводится с использованием примеров или аналогий из базы знаний. Переведенные предложения сохраняются в базе знаний. Это экономит усилия по переводу на каждое новое тестовое предложение. Одно из ограничений этого подхода заключается в том, что если существует непревзойденное тестовое предложение, то его необходимо восстановить с нуля. Он не может использовать близкие фразы или слова для предсказания перевода [1, 10].

Статистическая машина

Перевод (SMT) – это управляемый данными или основанный на корпусе подход к MT. Он использовал контролируемую и неконтролируемую технику алгоритма машинного обучения для обучения модели перевода. Целью системы SMT является создание целевого переведенного предложения из заданного исходного предложения. Среди всех возможных предложений-кандидатов на перевод для данного входного предложения, SMT-декодер пытается найти наилучший возможный перевод. Этот подход называется моделью канала Шуза в теореме Байеса. Операция argmax в этой модели пытается найти лучший перевод из пространства всех возможных переводов для входных тестовых предложений. Техника начальной загрузки может использоваться в SMT для изучения двуязычных данных. Это может быть повторено многократно для получения лучших результатов.

Декодер Моисея может принимать входные данные в форме тестовых предложений, путаницы или решетчатых сетей. В нашей работе мы использовали концепцию основанной на фразе модели статистического машинного перевода. Это более совершенная модель статистического машинного перевода. При таком подходе входные предложения и выходные предложения делятся на сегменты фраз. Таким образом, одно из преимуществ этой модели состоит в том, что она не переводила название, подавленное из-за чрезмерной длины, слово за словом. Когда есть несоответствие для слова, мы использовали предыдущий n-граммовый подход, чтобы предсказать новые слова, но со штрафом слова. В этом контексте назначается стоимость переупорядочения или искажения в зависимости от количества пропущенных слов вперед или назад.

Основанная на фразе модель является одним из наиболее успешных подходов статистического машинного перевода, но она не может обрабатывать информацию о синтаксисе и семантике целевого языка [1, 5]. Таким образом, основной задачей этой документации является создание системы SMT на основе фразеологической модели и, следовательно, перевод любого доступного текста или документов с английского языка на пару языков манипури. Для этого нам потребовалось огромное количество параллельного корпуса или кусочка выровненных предложений на уровне текста. Если корпус содержит сформированный ввод, он не будет переведен правильно и, следовательно, это повлияет на модель перевода. Мало того, что главная цель этой статьи – повысить беглость переведенного языка вывода. Существует очень ограниченное количество доступных в электронном виде параллельных текстовых корпусов.

Наши работы ясно показывают, что, хотя у нас не так много обучающих параллельных текстовых корпусов, мы все же пытаемся улучшить беглость переведенного вывода. Это было достигнуто за счет включения одноязычного корпуса на целевой стороне языковой пары во время обучения языковой модели. Мы также доказываем, что включение в состав одноязычного корпуса значительно повышает уровень билингвальной оценки (BlEU Score), что является одним из отличных результатов наших исследований и экспериментов. В следующем разделе мы обсудим методологию и системную архитектуру системы PBSMT. Затем мы оцениваем и сравниваем производительность нашей улучшенной системы PBSMT и базовой системы PBSMT, используя различные метрики автоматической и человеческой оценки, а затем анализируем различные типы ошибок, генерируемых системой PBSMT. В разделе 5 мы завершаем обсуждение результатов и наблюдений, полученных на основе результатов наших исследований.