| 1 |
Neural MT and Human Post-editing : a Method to Improve Editorial Quality
|
|
|
|
In: ISSN: 1134-8941 ; Interlingüística ; https://halshs.archives-ouvertes.fr/halshs-03603590 ; Interlingüística, Alacant [Spain] : Universitat Autònoma de Barcelona, 2022, pp.15-36 (2022)
|
|
BASE
|
|
Show details
|
|
|
| 2 |
Machine Translation and Gender biases in video game localisation: a corpus-based analysis
|
|
|
|
In: https://hal.archives-ouvertes.fr/hal-03540605 ; 2022 (2022)
|
|
BASE
|
|
Show details
|
|
|
| 3 |
Multi-domain Neural Machine Translation ; Traduction automatique neuronale multidomaine
|
|
|
|
In: https://tel.archives-ouvertes.fr/tel-03546910 ; Artificial Intelligence [cs.AI]. Université Paris-Saclay, 2021. English. ⟨NNT : 2021UPASG109⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 4 |
A Transformer-Based Neural Machine Translation Model for Arabic Dialects That Utilizes Subword Units
|
|
|
|
In: Sensors ; Volume 21 ; Issue 19 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 5 |
A Reception Study of Machine-Translated Easy Language Text by Individuals with Reading Difficulties
|
|
|
|
In: 3rd International Conference on Translation, Interpreting and Cognition (ICTIC3) (2021) (2021)
|
|
BASE
|
|
Show details
|
|
|
| 6 |
Cadlaws - An Enlgish-French parallel corpus of legally equivalent documents
|
|
|
|
BASE
|
|
Show details
|
|
|
| 7 |
Cadlaws – An English–French Parallel Corpus of Legally Equivalent Documents
|
|
|
|
In: Mutatis Mutandis: Revista Latinoamericana de Traducción, ISSN 2011-799X, Vol. 14, Nº. 2, 2021 (Ejemplar dedicado a: Nuevas perspectivas de investigación en la traducción especializada en lenguas románicas: aspectos comparativos, léxicos, fraseológicos, discursivos y didácticos), pags. 494-508 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 8 |
Traducción multilingüe neuronal
|
|
|
|
Abstract:
[ES] Los traductores neuronal constituyen el estado del arte en traducción automática. Sin embargo son necesarios grandes corpus bilingües para el entrenamiento de estos traductores neuronales. Esto supone un gran problema cuando estos recursos son escasos para algún par de lenguas. Una vía para atacar este problema es la traducción multilingüe que trata de la construcción de un traductor de una lengua a varias, de varias a una o de varias a varias lenguas. En este caso si las lenguas destino, por ejemplo, son similares y una de ellas posee suficientes datos paralelos y otra no, el entrenamiento de modelos para la primera puede ayudar a conseguir modelos aceptables para la segunda. En este trabajo se pretende estudiar técnicas que permitan la construcción de estos modelos multilingües Para ello se realizará una simulación con corpus bilingües existentes. ; [EN] Neural translators are the state of the art in machine translation. However, large bilingual corpus are necessary for the training of these neural translators. This is a sever problem when these resources are scarce for a couple of languages. One way to afford this problem is multilingual translation, which deals with the construction of a translator from one language to several, from several to one or from several to several languages. In this case, if the target languages, for example, are similar and one of them has enough parallel data and the other does not, training models for the first can help to achieve acceptable models for the second. The goal of this work is to study techniques that allow the construction of these multilingual models. For this, a simulation will be carried out with existing bilingual corpus. ; [CA] Els sistemes clàssics de traducció automàtica estan basat en l’entrenament de parells de llengües bilingües. Un model és dissenyat i entrenat per a traduir d’una llengua font a una llengua destinació. En els últims anys, s’han anat desenvolupant noves aproximacions que intenten millorar la qualitat de la traducció amb l’ajuda de dues o més llengües en un mateix model. En aquest escenari una llengua és traduïda a dues o més llengües, moltes llengües poden ser traduïdes a una llengua, o moltes llengües poden ser traduïdes a moltes llengües. Aquesta aproximació és prometedora, diversos estudis han demostrat que utilitzar models multilingües millora la traducció d’una llengua, no obstant això, aquesta aproximació comporta una quantitat no menor de reptes depenent del disseny del model de traducció. En aquest treball es presenta l’entrenament de dos tipus d’aproximacions dins dels models de traducció multilingüe en NMT-keras. La traducció multilingüe amb paràmetres totalment compartits i la traducció automàtica multilingüe amb paràmetres controladament compartits. Ambdós aproximacions utilitzen xarxes neuronals sobre la clàssica arquitectura de codificador, descodificador, a més d’un model d’atenció. D’altra banda, per a aconseguir construir i entrenar un model multilingüe amb paràmetres controladament compartits en NMT-Keras, es va modificar el toolkit creant i assignant un descodificador per cada llengua objectiu. Anàlogament, amb un corpus reduït i per cada aproximació multilingüe i per cada línia base per llengua, es proven diferents configuracions de models de traducció automàtica, amb la finalitat de trobar la millor configuració, la qual serà entrenada amb la totalitat de les dades. Finalment s’exposen els resultats de cada aproximació, incloent les línies bases. Es comparen els resultats entre les aproximacions exposades i amb treballs publicats en la literatura. ; Cuevas Muñoz, JA. (2020). Traducción multilingüe neuronal. Universitat Politècnica de València. http://hdl.handle.net/10251/158894 ; TFGM
|
|
Keyword:
Lenguages con Pocos Recursos; LENGUAJES Y SISTEMAS INFORMATICOS; Low-resource Languages; Machine Translation; Máster Universitario en Inteligencia Artificial; Multilingual Machine Translation; Neural Machine Translation; NMT-Keras; Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital; Traducción Automática; Traducción Multilingüe; Traducción Neuronal
|
|
URL: http://hdl.handle.net/10251/158894
|
|
BASE
|
|
Hide details
|
|
|
| 9 |
Machine Translation for the Normalisation of 17th c. French ; Traduction automatique pour la normalisation du français du XVII e siècle
|
|
|
|
In: TALN 2020 ; https://hal.archives-ouvertes.fr/hal-02596669 ; TALN 2020, ATALA, Jun 2020, Nancy, France (2020)
|
|
BASE
|
|
Show details
|
|
|
| 10 |
Bridging the “gApp”: improving neural machine translation systems for multiword expression detection
|
|
|
|
In: 11 ; 1 ; 61 ; 80 (2020)
|
|
BASE
|
|
Show details
|
|
|
| 11 |
Neural MT and Human Post-editing: a Method to Improve Editorial Quality
|
|
|
|
In: Symposium Translation and Knowledge Transfer: News trends in the theory and practice of translation and interpreting ; https://hal.univ-rennes2.fr/hal-02495919 ; Symposium Translation and Knowledge Transfer: News trends in the theory and practice of translation and interpreting, Mar Ogea-Pozo, Carmen Expósito-Castro, Oct 2019, Cordoue, Spain (2019)
|
|
BASE
|
|
Show details
|
|
|
| 12 |
Measuring the Impact of Neural Machine Translation on Easy-to-Read Texts: An Exploratory Study
|
|
|
|
In: Conference on Easy-to-Read Language Research (Klaara 2019) (2019) (2019)
|
|
BASE
|
|
Show details
|
|
|
| 13 |
Preferences of end-users for raw and post-edited NMT in a business environment
|
|
|
|
In: ISBN: 978-2970-10957-0 ; Proceedings of the 41st Conference Translating and the Computer pp. 47-59 (2019)
|
|
BASE
|
|
Show details
|
|
|
|
|
