Home Catalogue search

eng

Refine your search:

Search in the Catalogues and Directories






	Sort by
Simple Search

Page: 1 2 3 4 5 6

Hits 1 – 20 of 117

1	Korean Prosody Phrase Boundary Prediction Model for Speech Synthesis Service in Smart Healthcare
	Minho Kim; Youngim Jung; Hyuk-Chul Kwon
	In: Electronics ; Volume 10 ; Issue 19 (2021)
	BASE
	Show details

2	「詞組本位」との関連から見る松下大三郎の漢語「連詞」理論 ; Matsushita Daizaburo's "Conjunctions Theory" of Chinese in relation to Phtase-based Grammar
	王娟; 李無未; Wang Juan. - : 関西大学大学院東アジア文化研究科, 2021
	BASE
	Show details

3	TermEval: an automatic metric for evaluating terminology translation in MT
	Way, Andy; Hasanuzzaman, Mohammed; Haque, Rejwanul
	In: Haque, Rejwanul orcid:0000-0003-1680-0099 , Hasanuzzaman, Mohammed orcid:0000-0003-1838-0091 and Way, Andy orcid:0000-0001-5736-5930 (2019) TermEval: an automatic metric for evaluating terminology translation in MT. In: CICLing 2019, the 20th International Conference on Computational Linguistics and Intelligent Text Processing, 07-13 Apr 2019, La Rochelle, France. (2019)
	BASE
	Show details

4	TermEval: an automatic metric for evaluating terminology translation in MT
	Haque, Rejwanul; Hasanuzzaman, Mohammed; Way, Andy
	In: Haque, Rejwanul orcid:0000-0003-1680-0099 , Hasanuzzaman, Mohammed orcid:0000-0003-1838-0091 and Way, Andy orcid:0000-0001-5736-5930 (2019) TermEval: an automatic metric for evaluating terminology translation in MT. In: CICLing 2019: the 20th International Conference on Computational Linguistics and Intelligent Text Processing, 7-13 Apr 2019, La Rochelle, France. (2019)
	BASE
	Show details

5	APE Shared Task WMT18: Human Post-edits and References Test Data EN-DE PBSMT
	Turchi, Marco; Negri, Matteo; Chatterjee, Rajen. - : Fondazione Bruno Kessler, Trento, Italy, 2019
	BASE
	Show details

6	Improved Arabic–Chinese Machine Translation with Linguistic Input Features
	Xiaoping Fan; Akram Al-Mansoub; Abdullah Alqwbani...
	In: Future Internet ; Volume 11 ; Issue 1 (2019)
	BASE
	Show details

7	Terminology Translation in Low-Resource Scenarios
	Rejwanul Haque; Mohammed Hasanuzzaman; Andy Way
	In: Information ; Volume 10 ; Issue 9 (2019)
	BASE
	Show details

8	Fast machine translation on parallel and massively parallel hardware
	Bogoychev, Nikolay Veselinov. - : The University of Edinburgh, 2019
	BASE
	Show details

9	Advanced techniques for domain adaptation in Statistical Machine Translation
	Chinea Ríos, Mara. - : Universitat Politècnica de València, 2019
	Abstract: [ES] La Traducción Automática Estadística es un sup-campo de la lingüística computacional que investiga como emplear los ordenadores en el proceso de traducción de un texto de un lenguaje humano a otro. La traducción automática estadística es el enfoque más popular que se emplea para construir estos sistemas de traducción automáticos. La calidad de dichos sistemas depende en gran medida de los ejemplos de traducción que se emplean durante los procesos de entrenamiento y adaptación de los modelos. Los conjuntos de datos empleados son obtenidos a partir de una gran variedad de fuentes y en muchos casos puede que no tengamos a mano los datos más adecuados para un dominio específico. Dado este problema de carencia de datos, la idea principal para solucionarlo es encontrar aquellos conjuntos de datos más adecuados para entrenar o adaptar un sistema de traducción. En este sentido, esta tesis propone un conjunto de técnicas de selección de datos que identifican los datos bilingües más relevantes para una tarea extraídos de un gran conjunto de datos. Como primer paso en esta tesis, las técnicas de selección de datos son aplicadas para mejorar la calidad de la traducción de los sistemas de traducción bajo el paradigma basado en frases. Estas técnicas se basan en el concepto de representación continua de las palabras o las oraciones en un espacio vectorial. Los resultados experimentales demuestran que las técnicas utilizadas son efectivas para diferentes lenguajes y dominios. El paradigma de Traducción Automática Neuronal también fue aplicado en esta tesis. Dentro de este paradigma, investigamos la aplicación que pueden tener las técnicas de selección de datos anteriormente validadas en el paradigma basado en frases. El trabajo realizado se centró en la utilización de dos tareas diferentes de adaptación del sistema. Por un lado, investigamos cómo aumentar la calidad de traducción del sistema, aumentando el tamaño del conjunto de entrenamiento. Por otro lado, el método de selección de datos se empleó para crear un conjunto de datos sintéticos. Los experimentos se realizaron para diferentes dominios y los resultados de traducción obtenidos son convincentes para ambas tareas. Finalmente, cabe señalar que las técnicas desarrolladas y presentadas a lo largo de esta tesis pueden implementarse fácilmente dentro de un escenario de traducción real. ; [CAT] La Traducció Automàtica Estadística és un sup-camp de la lingüística computacional que investiga com emprar els ordinadors en el procés de traducció d'un text d'un llenguatge humà a un altre. La traducció automàtica estadística és l'enfocament més popular que s'empra per a construir aquests sistemes de traducció automàtics. La qualitat d'aquests sistemes depèn en gran mesura dels exemples de traducció que s'empren durant els processos d'entrenament i adaptació dels models. Els conjunts de dades emprades són obtinguts a partir d'una gran varietat de fonts i en molts casos pot ser que no tinguem a mà les dades més adequades per a un domini específic. Donat aquest problema de manca de dades, la idea principal per a solucionar-ho és trobar aquells conjunts de dades més adequades per a entrenar o adaptar un sistema de traducció. En aquest sentit, aquesta tesi proposa un conjunt de tècniques de selecció de dades que identifiquen les dades bilingües més rellevants per a una tasca extrets d'un gran conjunt de dades. Com a primer pas en aquesta tesi, les tècniques de selecció de dades són aplicades per a millorar la qualitat de la traducció dels sistemes de traducció sota el paradigma basat en frases. Aquestes tècniques es basen en el concepte de representació contínua de les paraules o les oracions en un espai vectorial. Els resultats experimentals demostren que les tècniques utilitzades són efectives per a diferents llenguatges i dominis. El paradigma de Traducció Automàtica Neuronal també va ser aplicat en aquesta tesi. Dins d'aquest paradigma, investiguem l'aplicació que poden tenir les tècniques de selecció de dades anteriorment validades en el paradigma basat en frases. El treball realitzat es va centrar en la utilització de dues tasques diferents. D'una banda, investiguem com augmentar la qualitat de traducció del sistema, augmentant la grandària del conjunt d'entrenament. D'altra banda, el mètode de selecció de dades es va emprar per a crear un conjunt de dades sintètiques. Els experiments es van realitzar per a diferents dominis i els resultats de traducció obtinguts són convincents per a ambdues tasques. Finalment, cal assenyalar que les tècniques desenvolupades i presentades al llarg d'aquesta tesi poden implementar-se fàcilment dins d'un escenari de traducció real. ; [EN] La Traducció Automàtica Estadística és un sup-camp de la lingüística computacional que investiga com emprar els ordinadors en el procés de traducció d'un text d'un llenguatge humà a un altre. La traducció automàtica estadística és l'enfocament més popular que s'empra per a construir aquests sistemes de traducció automàtics. La qualitat d'aquests sistemes depèn en gran mesura dels exemples de traducció que s'empren durant els processos d'entrenament i adaptació dels models. Els conjunts de dades emprades són obtinguts a partir d'una gran varietat de fonts i en molts casos pot ser que no tinguem a mà les dades més adequades per a un domini específic. Donat aquest problema de manca de dades, la idea principal per a solucionar-ho és trobar aquells conjunts de dades més adequades per a entrenar o adaptar un sistema de traducció. En aquest sentit, aquesta tesi proposa un conjunt de tècniques de selecció de dades que identifiquen les dades bilingües més rellevants per a una tasca extrets d'un gran conjunt de dades. Com a primer pas en aquesta tesi, les tècniques de selecció de dades són aplicades per a millorar la qualitat de la traducció dels sistemes de traducció sota el paradigma basat en frases. Aquestes tècniques es basen en el concepte de representació contínua de les paraules o les oracions en un espai vectorial. Els resultats experimentals demostren que les tècniques utilitzades són efectives per a diferents llenguatges i dominis. El paradigma de Traducció Automàtica Neuronal també va ser aplicat en aquesta tesi. Dins d'aquest paradigma, investiguem l'aplicació que poden tenir les tècniques de selecció de dades anteriorment validades en el paradigma basat en frases. El treball realitzat es va centrar en la utilització de dues tasques diferents d'adaptació del sistema. D'una banda, investiguem com augmentar la qualitat de traducció del sistema, augmentant la grandària del conjunt d'entrenament. D'altra banda, el mètode de selecció de dades es va emprar per a crear un conjunt de dades sintètiques. Els experiments es van realitzar per a diferents dominis i els resultats de traducció obtinguts són convincents per a ambdues tasques. Finalment, cal assenyalar que les tècniques desenvolupades i presentades al llarg d'aquesta tesi poden implementar-se fàcilment dins d'un escenari de traducció real. ; Chinea Ríos, M. (2019). Advanced techniques for domain adaptation in Statistical Machine Translation [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/117611 ; TESIS
	Keyword: Adaptación de dominios; Continuous vector space representation; Data Selection; Domain adaptation; LENGUAJES Y SISTEMAS INFORMATICOS; Modelos basados en frases; Neural Machine Translation; Phrase-based; Representación vectorial en espacio continuo; Selección de Datos; Statistical Machine Translation; Traducción Automática Estadística; Traducción Automática Neuronal; Word embeddings
	URL: http://hdl.handle.net/10251/117611 https://doi.org/10.4995/Thesis/10251/117611
	BASE
	Hide details

10	What level of quality can neural machine translation attain on literary text?
	Toral, Antonio; Way, Andy
	In: Toral, Antonio orcid:0000-0003-2357-2960 and Way, Andy orcid:0000-0001-5736-5930 (2018) What level of quality can neural machine translation attain on literary text? In: Moorkens, Joss orcid:0000-0003-4864-5986 , Castilho, Sheila orcid:0000-0002-8416-6555 , Gaspari, Federico orcid:0000-0003-3808-8418 and Doherty, S, (eds.) Translation Quality Assessment: From Principles to Practice. Machine Translation: Technologies and Applications book series (MATRA), 1 . Springer, Berlin/Heidelberg, 263 -287. ISBN 978-3-319-91240-0 (2018)
	BASE
	Show details

11	Test Data EN-DE MT_PBSMT APE Shared Task WMT18
	Turchi, Marco; Negri, Matteo; Chatterjee, Rajen. - : Fondazione Bruno Kessler, Trento, Italy, 2018
	BASE
	Show details

12	Quantitative Fine-grained Human Evaluation of Machine Translation Systems: a Case Study on English to Croatian
	Sanchez-Cartagena, Victor Manuel; Toral, Antonio; Klubicka, Filip
	In: Articles (2018)
	BASE
	Show details

13	Is statistical machine translation approach dead?
	Menacer, Mohamed Amine; Langlois, David; Mella, Odile...
	In: ICNLSSP 2017 - International Conference on Natural Language, Signal and Speech Processing ; https://hal.inria.fr/hal-01660016 ; ICNLSSP 2017 - International Conference on Natural Language, Signal and Speech Processing, ISGA, Dec 2017, Casablanca, Morocco. pp.1-5 ; http://icnlssp.isga.ma (2017)
	BASE
	Show details

14	Phrase-Based Language Model in Statistical Machine Translation
	Ben Romdhane, Achraf; Jamoussi, Salma; Ben Hamadou, AbdelMajid...
	In: ISSN: 0976-0962 ; International Journal of Computational Linguistics and Applications ; https://hal.inria.fr/hal-01336485 ; International Journal of Computational Linguistics and Applications, Alexander Gelbukh, 2016 (2016)
	BASE
	Show details

15	Exploring linguistic structure for aspect-based sentiment analysis ...
	Nuttapong Sanglerdsinlapachai; Anon Plangprasopchok; Ekawit Nantajeewarawat. - : Maejo University, 2016
	BASE
	Show details

16	How much structure is needed: The case of the Persian VP
	Faghiri, Pegah; Samvelian, Pollet
	In: http://csli-publications.stanford.edu ; Joint 2016 Conference on Head-driven Phrase Structure Grammar and Lexical Functional Grammar ; https://halshs.archives-ouvertes.fr/halshs-01429403 ; Joint 2016 Conference on Head-driven Phrase Structure Grammar and Lexical Functional Grammar, Polish Academy of Sciences, Jul 2016, Varosvie, Poland. pp.236-254 ; http://headlex16.ipipan.waw.pl/ (2016)
	BASE
	Show details

17	Genuine phrase-based statistical machine translation with supervision
	Camacho, José Aires Gomes. - 2016
	BASE
	Show details

18	Integrating Rules and Dictionaries from Shallow-Transfer Machine Translation into Phrase-Based Statistical Machine Translation
	Sánchez-Cartagena, Víctor M.; Pérez-Ortiz, Juan Antonio; Sánchez-Martínez, Felipe. - : AI Access Foundation, 2016
	BASE
	Show details

19	Phrase-based statistical machine translation: explanation of its processes and statistical models and evaluation of the English to Spanish translations produced
	Pérez García, Isabel María. - 2016
	BASE
	Show details

20	Morphology-Aware Alignments for Translation to and from a Synthetic Language
	Burlot, Franck; Yvon, François
	In: International Workshop on Spoken Language Translation ; https://hal.archives-ouvertes.fr/hal-01635005 ; International Workshop on Spoken Language Translation, Jan 2015, Da Nang, Vietnam (2015)
	BASE
	Show details

Page: 1 2 3 4 5 6

© 2013 - 2024 Lin|gu|is|tik | Imprint | Privacy Policy | Datenschutzeinstellungen ändern