Публикации по теме 'machine-translation'


1. Перевод текста.
Применение машинного перевода. Технологии и продукты машинного перевода используются во многих прикладных сценариях, таких как деловые поездки, туризм, поиск информации на разных языках и так далее. По объекту перевода различают письменный языковой перевод текста и разговорный языковой фонетический перевод. 3. другое приложение. Следует отметить, что из-за требований отображения и работы с содержанием документа структурированная информация структурированных документов часто..
Машинный перевод: перевод с английского на французский с использованием рекуррентных нейронных сетей
Обзор проекта: Вы когда-нибудь задумывались, как работает переводчик Google? Что заставило все основные службы перевода, такие как DeepL, Google Translate, резко улучшить качество перевода за последние несколько лет? Что ж, ответ на приведенный выше вопрос — это глубокие нейронные сети, в частности рекуррентные нейронные сети (GRU и LSTM). Машинный перевод — это тема, которую мы обсудим и реализуем в этом посте, чтобы преобразовать английский язык во французский. Мы разделим..
ИИ не заменит переводчиков
Мнение ИИ не заменит переводчиков Это 1960 снова и снова В недавнем исследовании Университет Пенсильвании и OpenAI исследовали потенциальное влияние больших языковых моделей (LLM), таких как модели GPT, на различные рабочие места. GPT есть GPT: ранний взгляд на потенциал воздействия больших языковых моделей на рынок труда (Eloundou et al., 2023) Их основной вывод заключается в том, что 19 % рабочей силы в США могут столкнуться с тем, что это повлияет как минимум на 50 % их..
Крупномасштабная автоматическая оценка машинного перевода
185 систем оценены в 21 направлении перевода WMT22 Как и каждый год с 2006 года, Конференция по машинному переводу (WMT) организовала обширные совместные задачи по машинному переводу. Многочисленные участники со всего мира представили свои результаты машинного перевода (MT), чтобы продемонстрировать свои последние достижения в этой области. WMT обычно считается эталонным событием для наблюдения и оценки современного состояния машинного перевода. В выпуске 2022 года исходная задача..
Исследование силы механизмов внимания в глубоком обучении
В развивающемся мире глубокого обучения механизмы внимания стали захватывающим методом, позволяющим нейронным сетям преуспевать в различных задачах, концентрируясь на наиболее важных аспектах входных данных. Эта статья углубляется в тонкости механизмов внимания, проливая свет на их типы, реальное применение, недостатки и стратегии устранения их ограничений. Сущность механизмов внимания: Представьте себе нейронную сеть, способную направить свое внимание на наиболее важные аспекты..
Научная достоверность исследований в области машинного перевода: подводные камни и многообещающие тенденции
Мы находимся на поворотном этапе? Мои выводы из аннотаций 1000+ научных работ Как ученые оценивают повышение качества машинного перевода? В основном с помощью автоматических метрик оценки. Система машинного перевода с более высоким показателем считается лучшей. Поскольку улучшение оценок метрик очень важно для демонстрации прогресса в машинном переводе, очень важно понимать, как вычисляются и сравниваются эти оценки метрик. В 2021 году я вместе с моими коллегами Ацуши Фуджитой..
Оптимизация кластера модели перевода Хельсинки
Цель : найти недорогой и эффективный метод поддержки 200 предложений в секунду с использованием современных моделей машинного перевода Хельсинки ( https://huggingface.co/Helsinki-NLP ) (Это работа в процессе , пока я продолжаю тестирование) Методы перевода Предложение за предложением Модели перевода Хельсинки (и многие модели библиотеки трансформаторов) были обучены с использованием данных одного предложения. В результате это потенциально даст наилучшие результаты. 2. Группы..