1 |
Generación de textos en ruso mediante técnicas de Aprendizaje Automático para la industria del lenguaje
|
|
|
|
BASE
|
|
Show details
|
|
2 |
Some Contributions to Interactive Machine Translation and to the Applications of Machine Translation for Historical Documents
|
|
|
|
BASE
|
|
Show details
|
|
3 |
A study on the impact of neural architectures for Unsupervised Machine Translation
|
|
|
|
BASE
|
|
Show details
|
|
4 |
On The Use of Monolingual Corpus for Training Neural Machine Translation Systems ; Uso de corpus monolíngües para el entrenamiento de traductores neuronales
|
|
|
|
BASE
|
|
Show details
|
|
6 |
Limitations and challenges of unsupervised cross-lingual pre-training
|
|
|
|
Abstract:
[ES] Los métodos de alineamiento croslingüe para representaciones monolingües del lenguaje han sido objeto de un interés notable en el campo de procesamiento del lenguaje natural durante los últimos años, en gran medida debido a la capacidad que estos tienen para general alineamientos entre lenguas utilizando poca o nula información paralela. Sin embargo, su uso en técnicas de preentrenamiento de modelos de traducción automática, un papel en el que los modelos monolingües son particularmente exitosos, y que debería beneficiarse de la información croslingüe obtenida, sigue siendo limitado. Esta propuesta intenta aportar algo de luz sobre los efectos de algunos de los factores que afectan a las representaciones croslingües y las estrategias de preentrenamiento, con la esperanza de que pueda ayudar a futuras investigaciones en este campo. Para ello, este trabajo estudia los dos componentes principales que constituyen el preentrenamiento croslingüe: los alineamientos croslingües y la integración de los mismos como modelos de preentrenamiento. Los primeros son explorados a través de varios métodos croslingües no supervisados ampliamente conocidos, que emplean principalmente similaridades distribucionales para encontrar un alineamiento satisfactorio entre lenguajes. Debido a esto, resultan un interesante terreno de pruebas en el que analizar los efectos de la similaridad entre lenguajes sobre tanto las técnicas de alineamiento croslingüe como los espacios de representación sobre los que operan. En en apartado de integración en preentrenamiento, los espacios de representación croslingües son utilizados para preentrenar modelos de traducción automática, los cuales son comparados contra esquemas que emplean espacios de representación independientes. Los resultados muestran que los métodos croslingües con supervisión débil son remarcablemente efectivos a la hora de generar alineamientos incluso para parejas de lenguajes muy diferentes, y se benefician notablemente de la información a nivel de subpalabra. Sin embargo, el efecto del alineamiento croslingüe en el preentrenamiento es reducido debido a las dificultad de mantener la estructura de la proyección durante el entrenamiento, así como por la limitada influencia que el propio preentrenamiento tiene sobre el modelo supervisado. ; [EN] Cross-lingual alignment methods for monolingual language representations have received notable research attention in the past few years due to their capacity to induce bilingual alignments with little or no supervision signals. However, their use in machine translation pre-training, a function that monolingual models excel at, and which should benefit from cross-lingual information, remains limited. This work tries to shed light on the effects of some of the factors that play a role in cross-lingual representations and pre-training strategies, with the hope that it can help guide future endeavors in the field. To this end, the survey studies the two main components that constitute cross-lingual pre-training: cross-lingual mappings and their pre-training integration. The former are explored through some widely known fully unsupervised cross-lingual methods, which rely on distributional similarities between languages. Consequently, they are a great basis upon which to consider the effects of language similarity on both cross-mapping techniques and the representation spaces over which they operate. In pre-training integration, cross-lingual representation spaces are used to pre-train a neural machine translation models, which are compared against techniques that employ independent monolingual spaces. The results show that weakly-supervised cross-lingual methods are remarkably effective at inducing alignment even for distant languages and they benefit noticeably from subword information. However, the effect of cross-linguality in pre-training is diminished due to difficulties in maintaining the structure of the projection during training, and the limited influence that pre-training itself has in the supervised model. ; Quesada Zaragoza, M. (2021). Limitations and challenges of unsupervised cross-lingual pre-training. Universitat Politècnica de València. http://hdl.handle.net/10251/174111 ; TFGM
|
|
Keyword:
Bilingual lexicon induction; Cross-lingual embeddings; Cross-lingual pre-training; Embeddings croslingües; Inducción de léxico bilingüe; LENGUAJES Y SISTEMAS INFORMATICOS; Machine translation pre-training; Máster Universitario en Inteligencia Artificial; Neural machine translation; Preentrenamiento croslingüe; Preentrenamiento en traducción automática; Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital; Traducción automática neuronal
|
|
URL: http://hdl.handle.net/10251/174111
|
|
BASE
|
|
Hide details
|
|
8 |
Interactive translation with neural models based on the use of mouse actions and confidence measures ; Traducción Interactiva con modelos neuronales basada en el uso del ratón y medidas de confianza
|
|
|
|
BASE
|
|
Show details
|
|
9 |
Traducción automática de conjuntos de datos para la construcción de sistemas de pregunta/respuesta mediante aprendizaje automático.
|
|
|
|
BASE
|
|
Show details
|
|
10 |
Filtering of Noisy Parallel Corpora Based on Hypothesis Generation
|
|
|
|
BASE
|
|
Show details
|
|
11 |
Advanced techniques for domain adaptation in Statistical Machine Translation
|
|
|
|
BASE
|
|
Show details
|
|
12 |
Demonstration of a Neural Machine Translation System with Online Learning for Translators
|
|
|
|
BASE
|
|
Show details
|
|
13 |
Vector sentences representation for data selection in statistical machine translation
|
|
|
|
BASE
|
|
Show details
|
|
14 |
A Neural, Interactive-predictive System for Multimodal Sequence to Sequence Tasks
|
|
|
|
BASE
|
|
Show details
|
|
15 |
Discriminative ridge regression algorithm for adaptation in statistical machine translation
|
|
|
|
BASE
|
|
Show details
|
|
16 |
NMT-Keras: a Very Flexible Toolkit with a Focus on Interactive NMT and Online Learning
|
|
|
|
BASE
|
|
Show details
|
|
20 |
Traducción Automática Interactiva Basada en Segmentos de Palabras
|
|
|
|
BASE
|
|
Show details
|
|
|
|