ترجمه فارسی مقاله یک رویکرد انتخاب داده برای افزایش ترجمه ماشینی با منابع کم با استفاده از بازنمایی جملات بین زبانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Data Selection Approach for Enhancing Low Resource Machine Translation Using Cross-Lingual Sentence Representations
عنوان مقاله به فارسی یک رویکرد انتخاب داده برای افزایش ترجمه ماشینی با منابع کم با استفاده از بازنمایی جملات بین زبانی
نویسندگان Nidhi Kowtal, Tejas Deshpande, Raviraj Joshi
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 4 September, 2024; originally announced September 2024. , Comments: Accepted at I2CT 2024
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: پذیرفته شده در I2CT 2024
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Machine translation in low-resource language pairs faces significant challenges due to the scarcity of parallel corpora and linguistic resources. This study focuses on the case of English-Marathi language pairs, where existing datasets are notably noisy, impeding the performance of machine translation models. To mitigate the impact of data quality issues, we propose a data filtering approach based on cross-lingual sentence representations. Our methodology leverages a multilingual SBERT model to filter out problematic translations in the training data. Specifically, we employ an IndicSBERT similarity model to assess the semantic equivalence between original and translated sentences, allowing us to retain linguistically correct translations while discarding instances with substantial deviations. The results demonstrate a significant improvement in translation quality over the baseline post-filtering with IndicSBERT. This illustrates how cross-lingual sentence representations can reduce errors in machine translation scenarios with limited resources. By integrating multilingual sentence BERT models into the translation pipeline, this research contributes to advancing machine translation techniques in low-resource environments. The proposed method not only addresses the challenges in English-Marathi language pairs but also provides a valuable framework for enhancing translation quality in other low-resource language translation tasks.

چکیده به فارسی (ترجمه ماشینی)

ترجمه ماشین در جفت های زبان کم منبع به دلیل کمبود منابع موازی و منابع زبانی با چالش های قابل توجهی روبرو است.این مطالعه به مورد جفت زبان انگلیسی-ماراتی می پردازد ، جایی که مجموعه داده های موجود به ویژه پر سر و صدا هستند و مانع عملکرد مدل های ترجمه ماشین می شوند.برای کاهش تأثیر مسائل مربوط به کیفیت داده ها ، ما یک رویکرد فیلتر داده را بر اساس بازنمایی جمله های متقابل زبانی پیشنهاد می کنیم.روش ما از یک مدل SBERT چند زبانه برای فیلتر کردن ترجمه های مشکل ساز در داده های آموزش استفاده می کند.به طور خاص ، ما از یک مدل شباهت Indicsbert برای ارزیابی معادل معنایی بین جملات اصلی و ترجمه شده استفاده می کنیم ، به ما این امکان را می دهد تا در حالی که مواردی را با انحرافات قابل توجهی دور می کنیم ، ترجمه های صحیح زبانی را حفظ کنیم.نتایج نشان می دهد که پیشرفت قابل توجهی در کیفیت ترجمه نسبت به پایه اولیه پس از فیلتر با Indicsbert نشان می دهد.این نشان می دهد که چگونه بازنمایی جمله های متقابل می تواند خطاها را در سناریوهای ترجمه ماشین با منابع محدود کاهش دهد.این تحقیق با ادغام مدل های چند زبانه BERT در خط لوله ترجمه ، به پیشبرد تکنیک های ترجمه ماشین در محیط های کم منبع کمک می کند.روش پیشنهادی نه تنها به چالش های جفت های زبان انگلیسی-ماراتی می پردازد بلکه یک چارچوب ارزشمند برای افزایش کیفیت ترجمه در سایر کارهای ترجمه زبان با منبع کم فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.