Neural Fuzzy Repair : Integrating Fuzzy Matches into Neural Machine Translation

Bram Bulte; Arda Tezcan

doi:10.18653/v1/P19-1175

Neural Fuzzy Repair : Integrating Fuzzy Matches into Neural Machine Translation Name @ info: whatsthis Purge Name Nural Taýuni Name

Abstract

We present a simple yet powerful data augmentation method for boosting Neural Machine Translation (NMT) performance by leveraging information retrieved from a Translation Memory (TM). We propose and test two methods for augmenting NMT training data with fuzzy TM matches. Tests on the DGT-TM data set for two language pairs show consistent and substantial improvements over a range of baseline systems. The results suggest that this method is promising for any translation environment in which a sizeable TM is available and a certain amount of repetition across translations is to be expected, especially considering its ease of implementation.

Abstract

Ons stel 'n eenvoudige, nog kragtige data vergroot metode voor die versterking van neurale masjien vertaling (NMT) uitvoer deur inligting wat van' n Vertaling Geheue (TM) ontvang word deur die versterking van inligting te verwyder. Ons voorstel en toets twee metodes vir vergroot NMT onderwerp data met gewone TM ooreenstemmings. Toets op die DGT- TM data stel vir twee taal pare vertoon konsistente en substantiele verbeteringe oor 'n reek van basisline stelsels. Die resultate beveel dat hierdie metode belowe vir enige vertaling omgewing waarin 'n groottebaar TM beskikbaar is en 'n sekere hoeveelheid herhaal oor vertalings word verwag, veral met betrekking van sy maklik van implementering.

Abstract

በተርጓሚው ማስታወሻ (TM) በተመለከተ መረጃዎችን በመስጠት የኔural Machine ትርጉም (NMT) ማድረግ አቅራቢያ እናስቀምጣለን፡፡ የNMT ትምህርት ዳታዎችን በመጨመር እና ለመፈትናት እናስጀክራለን፡፡ የDGT-TM ዳታ ለሁለት ቋንቋ ሁለት ዓይነቶች በተለየ ጥያቄ በጥያቄ ስርዓት ላይ ጥያቄ ይታያል፡፡ ፍጥረቶቹ ይህ ሥርዓት በተለየ ትርጉም አካባቢ ላይ ትርጉም ማህበረሰብ እንዲያሰፋ እና በተርጓሚዎች ላይ በተለየ ቁጥር መደጋገፍ እንዲያስፈልጋል፣ በተጨማሪውም መጠንቀቂያውን እንዲያስፈልግ ነው፡፡

Abstract

نقدم طريقة بسيطة لكنها قوية لزيادة البيانات لتعزيز أداء الترجمة الآلية العصبية (NMT) من خلال الاستفادة من المعلومات المسترجعة من ذاكرة الترجمة (TM). نقترح ونختبر طريقتين لزيادة بيانات التدريب على NMT بمطابقات TM غامضة. تُظهر الاختبارات التي أجريت على مجموعة بيانات DGT-TM لأزواج لغتين تحسينات متسقة وكبيرة عبر مجموعة من الأنظمة الأساسية. تشير النتائج إلى أن هذه الطريقة واعدة لأي بيئة ترجمة يتوفر فيها ذاكرة ترجمة كبيرة الحجم ويتوقع قدرًا معينًا من التكرار عبر الترجمات ، لا سيما بالنظر إلى سهولة تنفيذها.

Abstract

Biz Nural Machine Translation (NMT) performansını artırmaq üçün asanlıq, hətta güclü məlumat artırma metodlarını təşkil edirik. Biz NMT təhsil məlumatlarını fərqli TM eşitmələri ilə artırmaq üçün iki metod təklif edirik. DGT-TM veri quruluğunda iki dil çift üçün sınamalar baz sistemlərin arasında müxtəlif və mövcud düzəltmələri göstərir. Sonuçlar təlqin edir ki, bu metod ölçülü TM faydalandığı hər bir çeviri üçün vəd edir və təkrarların təkrarlarında bəzi bir dəyişiklik təkrarlanması gözlənilməlidir, özlərinə də onun təkrarlanmasını asanlaşdırmaq üçün.

Abstract

Представяме прост, но мощен метод за увеличаване на ефективността на невралния машинен превод (НМТ) чрез използване на информация, извлечена от преводна памет (ТМ). Предлагаме и тестваме два метода за увеличаване на данните за тренировка с мъгливи ТМ мачове. Тестовете на набора от данни DGT-TM за две езикови двойки показват последователни и съществени подобрения в редица базови системи. Резултатите предполагат, че този метод е обещаващ за всяка среда за превод, в която има значителен ТМ и се очаква известно количество повторение в преводите, особено като се има предвид лекотата на прилагането му.

Abstract

অনুবাদ মেমোরি থেকে তথ্য প্রদান করার মাধ্যমে নিউরাল মেশিন অনুবাদ (এনএমটি) অনুবাদ বাড়িয়ে দেয়ার জন্য আমরা একটি সহজ ক্ষমতাশালী তথ্য বাড়িয়ে দে এনএমটি প্রশিক্ষণের তথ্য বৃদ্ধি করার জন্য আমরা দুটি পদ্ধতি প্রস্তাব করি এবং পরীক্ষা করি। দুই ভাষার জোড়ার জন্য ডিজিটি-টিএম ডাটা নির্ধারিত পরীক্ষা দেখানো হয়েছে বেসাইলাইন সিস্টেমের বিভিন্ন স্থানের বিভ ফলাফল পরামর্শ দেয়া হচ্ছে যে এই পদ্ধতি কোন অনুবাদ পরিবেশের জন্য প্রতিশ্রুতি প্রদান করা হচ্ছে যেখানে একটি বড় টিএম পাওয়া যায় এবং অনুবাদের বিভিন্ন পরিমাণ

Abstract

We present a simple yet powerful data augmentation method for boosting Neural Machine Translation (NMT) performance by leveraging information retrieved from a Translation Memory (TM) from a Translation Memory. NMT ལྟ་བུའི་མཐུན་པ་དང་བསྟུན་ནས་གནད་དོན་ཡོད་པའི་ཐབས་ལམ་གཉིས་བརྟག་ཞིབ་བྱེད་རྒྱུ་དང་། སྐད་ཡིག་གཉིས་ཀྱི་ཆ་གཅིག་གི་DGT-TM་ནང་གི་བརྟག་ཞིབ་ཀྱི་ཚད་ལྟར གྲུབ་འབྲས་འདིས་ཕལ་ཚུལ་གཞུང་གང་རུང་ཞིག་ལ་སྤྱོད་རུང་བའི་TM་ཡིན་པ་དང་བསྐྱར་སྡུད་ཚད་གཞི་སྣ་ཚོགས་ལས་ཕར་བསྐྱེད་ཅིག་གནང་དགོས་མེད་

Abstract

Predstavljamo jednostavnu i moćnu metodu povećanja podataka za jačanje učinka neurološkog prevoda mašine (NMT) povećanjem informacija prikupljenih iz memorije prevoda (TM). Predlažemo i testiramo dve metode za povećanje podataka o obuci NMT sa fuzzy TM matches. Testovi o podacima DGT-TM za dva jezička parova pokazuju konsekventne i značajne poboljšanja preko niza početnih sustava. Rezultati sugeriraju da je taj metod obećava za bilo kakvo prevodno okruženje u kojem je dostupno veličanstveno TM i da se očekuje određena količin a ponavljanja preko prevoda, posebno s obzirom na lakšu provedbu.

Abstract

Presentam un mètode simple però poderós d'augmentació de dades per impulsar el rendiment de la Translació Neural de màquines (NMT) aprofitant la informació obtenida d'una Memoria de Translació (TM). Proposem i testam dos mètodes per augmentar les dades d'entrenament de la NMT amb mecanismes de TM confuses. Tests on the DGT-TM data set for two language pairs show consistent and substantial improvements over a range of baseline systems. Els resultats suggereixen que aquest mètode és prometedor per qualsevol entorn de traducció en el qual està disponible un TM important i s'espera una certa quantitat de repetició entre les traduccions, especialment tenint en compte la seva fàcil implementació.

Abstract

Představujeme jednoduchou, ale výkonnou metodu rozšíření dat pro zvýšení výkonu neuronového strojového překladu (NMT) využitím informací získaných z překladové paměti (TM). Navrhujeme a testujeme dvě metody pro rozšíření NMT tréninkových dat fuzzy TM shodami. Testy na datové sadě DGT-TM pro dva jazykové páry ukazují konzistentní a podstatné zlepšení v řadě základních systémů. Výsledky naznačují, že tato metoda je slibná pro každé překladatelské prostředí, ve kterém je k dispozici velký TM a je třeba očekávat určité množství opakování napříč překladami, zejména vzhledem k jeho snadné implementaci.

Abstract

Vi præsenterer en enkel, men kraftfuld dataaugmentationsmetode til at øge Neural Machine Translation (NMT) ydeevne ved at udnytte oplysninger hentet fra en oversættelseshukommelse (TM). Vi foreslår og tester to metoder til at øge NMT træningsdata med fuzzy TM kampe. Tester af DGT-TM-datasættet for to sprogpar viser konsekvente og betydelige forbedringer i forhold til en række basissystemer. Resultaterne tyder på, at denne metode er lovende for ethvert oversættelsesmiljø, hvor en betydelig TM er tilgængelig, og en vis mængde gentagelse på tværs af oversættelser kan forventes, især i betragtning af dens lette implementering.

Abstract

Wir präsentieren eine einfache, aber leistungsstarke Methode zur Datenauswertung zur Steigerung der Leistung der neuronalen maschinellen Übersetzung (NMT), indem Informationen aus einem Translation Memory (TM) genutzt werden. Wir schlagen zwei Methoden vor, um NMT Trainingsdaten mit fuzzy TM Matches zu erweitern. Tests am DGT-TM Datensatz für zwei Sprachpaare zeigen konsistente und wesentliche Verbesserungen gegenüber einer Reihe von Basissystemen. Die Ergebnisse deuten darauf hin, dass diese Methode vielversprechend für jede Übersetzungsumgebung ist, in der ein umfangreiches TM verfügbar ist und eine gewisse Anzahl von Wiederholungen über Übersetzungen hinweg zu erwarten ist, insbesondere angesichts der einfachen Implementierung.

Abstract

Παρουσιάζουμε μια απλή αλλά ισχυρή μέθοδο αύξησης δεδομένων για την ενίσχυση της απόδοσης της Νευρικής Μηχανικής Μετάφρασης (NMT) αξιοποιώντας πληροφορίες που ανακτώνται από μια Μεταφραστική Μνήμη (TM). Προτείνουμε και δοκιμάζουμε δύο μεθόδους για την αύξηση των δεδομένων εκπαίδευσης με ασαφές αντιστοιχίες ΤΜ. Οι δοκιμές στο σύνολο δεδομένων DGT-TM για δύο γλωσσικά ζεύγη δείχνουν συνεπείς και ουσιαστικές βελτιώσεις σε σχέση με μια σειρά συστημάτων βάσης. Τα αποτελέσματα δείχνουν ότι αυτή η μέθοδος είναι ελπιδοφόρα για κάθε μεταφραστικό περιβάλλον στο οποίο υπάρχει διαθέσιμο ένα μεγάλο TM και αναμένεται μια ορισμένη ποσότητα επανάληψης μεταξύ των μεταφράσεων, ειδικά λαμβάνοντας υπόψη την ευκολία εφαρμογής της.

Abstract

Presentamos un método de aumento de datos simple pero potente para mejorar el rendimiento de la traducción automática neuronal (NMT) mediante el aprovechamiento de la información recuperada de una memoria de traducción (TM). Proponemos y probamos dos métodos para aumentar los datos de entrenamiento de NMT con coincidencias difusas de TM. Las pruebas del conjunto de datos de la DGT-TM para dos pares de idiomas muestran mejoras consistentes y sustanciales con respecto a una serie de sistemas de referencia. Los resultados sugieren que este método es prometedor para cualquier entorno de traducción en el que se disponga de una memoria de traducción considerable y que se espere una cierta cantidad de repeticiones en las traducciones, especialmente teniendo en cuenta su facilidad de implementación.

Abstract

Esitleme lihtsat, kuid võimsat andmete suurendamise meetodit neuroaalse masintõlke (NMT) jõudluse suurendamiseks, kasutades tõlkemälust (TM) saadud teavet. Pakume välja ja testime kahte meetodit NMT treeninguandmete täiendamiseks uduste TM vastetega. Kahe keelepaari DGT-TM andmekogumi katsed näitavad järjepidevat ja märkimisväärset paranemist erinevates lähtesüsteemides. Tulemused näitavad, et see meetod on paljutõotav igas tõlkekeskkonnas, kus on olemas märkimisväärne mudel ja tõlkete puhul võib oodata teatud hulka kordusi, eriti arvestades selle rakendamise lihtsust.

Abstract

ما روش افزایش داده‌های ساده و قوی برای افزایش فعالیت ماشین‌های عصبی (NMT) را با استفاده از اطلاعات که از خاطره‌ی ترجمه (TM) گرفته می‌شود، نشان می‌دهیم. ما پیشنهاد می‌کنیم و دو روش را برای افزایش داده‌های آموزش NMT با مسابقه‌های TM فاسد آزمایش می‌کنیم. آزمایش‌ها روی مجموعه داده‌های DGT-TM برای دو جفت زبان در مجموعه‌ی سیستم‌های پایه‌خط پایه‌ها و توسعه‌های زیادی را نشان می‌دهند. نتیجه‌ها پیشنهاد می‌دهند که این روش برای هر محیط ترجمه‌ای که یک TM قابل اندازه‌گیری در آن موجود است وعده می‌دهد و مقدار تکرار در طول ترجمه‌ها انتظار دارد، مخصوصا با توجه به آسانی عملکرد آن.

Abstract

Esittelemme yksinkertaisen mutta tehokkaan datan lisäämismenetelmän neurokonekäännöksen (NMT) suorituskyvyn parantamiseksi hyödyntämällä käännösmuistista (TM) saatavaa tietoa. Ehdotamme ja testaamme kahta menetelmää NMT-harjoitustietojen lisäämiseksi fuzzy TM -otteluilla. Kahden kieliparin DGT-TM-tietoaineistoa koskevat testit osoittavat johdonmukaisia ja merkittäviä parannuksia useisiin perusjärjestelmiin verrattuna. Tulokset viittaavat siihen, että tämä menetelmä on lupaava kaikissa käännösympäristöissä, joissa on saatavilla mittava TM ja käännösten välillä on odotettavissa tiettyä toistoa, varsinkin kun otetaan huomioon sen toteutushelppous.

Abstract

Nous présentons une méthode d'augmentation de données simple mais puissante pour améliorer les performances de la traduction automatique neuronale (NMT) en exploitant les informations extraites d'une mémoire de traduction (TM). Nous proposons et testons deux méthodes pour augmenter les données d'entraînement NMT avec des correspondances TM floues. Les tests sur l'ensemble de données DGT-TM pour deux paires de langues montrent des améliorations constantes et substantielles par rapport à une gamme de systèmes de base. Les résultats suggèrent que cette méthode est prometteuse pour tout environnement de traduction dans lequel une mémoire de traduction importante est disponible et où il faut s'attendre à un certain nombre de répétitions entre les traductions, en particulier compte tenu de sa facilité de mise en œuvre.

Abstract

Cuirimid i láthair modh méadaithe sonraí simplí ach cumhachtach chun feidhmíocht Neural Machine Translation (NMT) a threisiú trí fhaisnéis a fhaightear ó Chuimhne Aistriúcháin (TM) a ghiaráil. Molaimid agus tástálaimid dhá mhodh chun sonraí oiliúna NMT a mhéadú le meaitseanna doiléir TM. Léiríonn tástálacha ar thacar sonraí DGT-TM do dhá phéire teanga feabhsuithe comhsheasmhacha agus substaintiúla thar raon córas bunlíne. Tugann na torthaí le fios go bhfuil an modh seo geallta d’aon timpeallacht aistriúcháin ina bhfuil TM mór ar fáil agus ina mbeifear ag súil le méid áirithe athrá trasna na n-aistriúchán, go háirithe ag cur san áireamh a éascaíocht é a chur i bhfeidhm.

Abstract

We present a simple yet powerful data augmentation method for boosting Neural Machine Translation (NMT) performance by leveraging information retrieved from a Translation Memory (TM). Tuna goyyar da su, kuma Mu jarraba hanyoyin biyu dõmin a ƙara data na shirin NMT da gamuwa da bassi TM. jarraba kan data na DGT-TM wanda aka daidaita wa mazaɓa biyu na harshen aiki na nuna koɗabi'in da gaske mai kyau kan wasu na'ura na ƙarƙashin salin. Mataimakin na gaya cewa, wannan metode ana yi wa'adi ga mazaɓa na fassarar, wanda za'a iya sãmu da wata TM mai girma a cikinsa kuma ana ƙayyade rabo-dubu guda cikin fassarar, kuma, hasa'a, idan an ƙayyade sauƙin zartar da shi.

Abstract

אנו מציגים שיטת גידול נתונים פשוטה, אך חזקה, כדי להגביר ביצועים של התרגום של מכונות נוירות (NMT) על ידי השימוש מידע שנוצא מזכרון התרגום (TM). אנחנו מציעים ולבדוק שתי שיטות לגדל נתוני אימון NMT עם התאמות TM מעורפלות. בדיקות על קבוצת נתונים DGT-TM לשני זוגות שפות מראות שיפורים קבועים וממשיכים מעל טווח של מערכות בסיסיות. The results suggest that this method is promising for any translation environment in which a sizeable TM is available and a certain amount of repetition across translations is to be expected, especially considering its ease of implementation.

Abstract

हम एक अनुवाद स्मृति (टीएम) से प्राप्त जानकारी का लाभ उठाकर न्यूरल मशीन अनुवाद (एनएमटी) प्रदर्शन को बढ़ावा देने के लिए एक सरल अभी तक शक्तिशाली डेटा संवर्धन विधि प्रस्तुत करते हैं। हम फजी टीएम मैचों के साथ एनएमटी प्रशिक्षण डेटा को बढ़ाने के लिए दो तरीकों का प्रस्ताव और परीक्षण करते हैं। दो भाषा जोड़े के लिए DGT-TM डेटा सेट पर परीक्षण बेसलाइन सिस्टम की एक श्रृंखला पर सुसंगत और पर्याप्त सुधार दिखाते हैं। परिणाम बताते हैं कि यह विधि किसी भी अनुवाद वातावरण के लिए आशाजनक है जिसमें एक बड़ा टीएम उपलब्ध है और अनुवादों में पुनरावृत्ति की एक निश्चित मात्रा की उम्मीद की जानी चाहिए, विशेष रूप से इसके कार्यान्वयन में आसानी पर विचार करते हुए।

Abstract

Predstavljamo jednostavnu i moćnu metodu povećanja podataka za jačanje učinka neurološkog prevoda strojeva (NMT) s primjenom informacija prikupljenih iz memorije prevoda (TM). Mi predlažemo i testiramo dvije metode za povećanje podataka o obuci NMT sa fuzzy TM matches. Testovi o podacima DGT-TM za dva jezička parova pokazuju konsekventne i značajne poboljšanje preko niza početnih sustava. Rezultati sugeriraju da je taj metod obećava za bilo kakvo prevodno okruženje u kojem je dostupan veliki TM i očekuje se određena količin a ponavljanja preko prevoda, posebno s obzirom na lakšu provedbu.

Abstract

Egy egyszerű, mégis hatékony adatbővítési módszert mutatunk be a Neural Machine Translation (NMT) teljesítményének növelésére a fordítási memóriából (TM) származó információk felhasználásával. Két módszert javasolunk és tesztelünk az NMT edzési adatok fuzzy TM mérkőzésekkel történő bővítésére. A DGT-TM adatkészleten végzett vizsgálatok két nyelvpárra vonatkozóan következetes és jelentős javulást mutatnak a különböző alapvető rendszerekhez képest. Az eredmények azt sugallják, hogy ez a módszer ígéretes minden olyan fordítási környezetben, ahol jelentős TM áll rendelkezésre, és bizonyos mértékű ismétlés várható a fordítások között, különösen tekintettel annak könnyű megvalósítására.

Abstract

Մենք ներկայացնում ենք պարզ, սակայն հզոր տվյալների աճի մեթոդ, որը նյարդային մեքենայի թարգմանման (NMT) արտադրողականության աճի համար օգտագործելով թարգմանման հիշողությունից ստացված տեղեկատվությունը: Մենք առաջարկում ենք և փորձում ենք երկու մեթոդ, որպեսզի աճեցնենք NMT-ի ուսումնասիրության տվյալները խառն ՄԹ-ի համապատասխաններով: Երկու լեզվի զույգերի DGT-MT տվյալների համակարգի թեստերը ցույց են տալիս համընդհանուր և նշանակալի բարելավումներ տարբեր հիմնական համակարգերի ընթացքում: The results suggest that this method is promising for any translation environment in which a sizeable TM is available and a certain amount of repetition across translations is to be expected, especially considering its ease of implementation.

Abstract

Kami mempersembahkan metode pengembangan data sederhana namun kuat untuk meningkatkan prestasi Translation Machine Neural (NMT) dengan menggunakan informasi yang diterima dari Memori Translation (TM). We propose and test two methods for augmenting NMT training data with fuzzy TM matches. Ujian pada set data DGT-TM untuk dua pasangan bahasa menunjukkan perbaikan konsisten dan konsisten dalam jangkauan sistem dasar. Hasilnya menunjukkan bahwa metode ini berjanji untuk lingkungan terjemahan apapun di mana TM yang besar tersedia dan jumlah tertentu pengulangan di seluruh terjemahan harus diharapkan, terutama mempertimbangkan kemudahan implementasinya.

Abstract

Presentiamo un metodo di aumento dei dati semplice ma potente per migliorare le prestazioni della traduzione automatica neurale (NMT) sfruttando le informazioni recuperate da una memoria di traduzione (TM). Proponiamo e testiamo due metodi per aumentare i dati di allenamento NMT con partite TM fuzzy. I test sul set di dati DGT-TM per due coppie linguistiche mostrano miglioramenti consistenti e sostanziali rispetto a una serie di sistemi di base. I risultati suggeriscono che questo metodo è promettente per qualsiasi ambiente di traduzione in cui è disponibile una TM considerevole e ci si aspetta una certa quantità di ripetizioni tra le traduzioni, soprattutto considerando la sua facilità di implementazione.

Abstract

翻訳メモリ（ TM ）から取得した情報を活用して、神経機械翻訳（ NMT ）のパフォーマンスを向上させるためのシンプルで強力なデータ拡張方法を提示します。NMTトレーニングデータをファジーTMマッチで拡張するための2つの方法を提案し、テストします。2つの言語ペアのDGT - TMデータセットのテストは、一連のベースラインシステムにわたって一貫した実質的な改善を示す。結果は、この方法が、特にその実装の容易さを考慮して、かなりのTMが利用可能であり、翻訳全体で一定量の繰り返しが期待される翻訳環境にとって有望であることを示唆している。

Abstract

Anyone Awak dhéwé nggunakake lan ujian kuwi sawar iki éwé kanggo ngilanggar data NMT seneng dolanan sing dibenalke nggawe Ngetes nang DGT-T-T data setung kanggo alih durung limu bisa nguasai sistem sing dumadhi lan akeh banter Rejaling gunakake punika-gunakake sistem iki gawe nggunakake kanggo mbanjuraké ning titig bantuan ingkang sampeyan tM sing bisa diagonalan kanggo meh dadi kapan kanggo tarjamahan kanggo awakdhéwé, supoyo sak nggunakake sistem sing bisa mbanjuraké.

Abstract

ჩვენ ჩვენ განვიყენებთ საუკეთესო, მაგრამ ძალიან ძალიან მონაცემების აგგენტირების მეტი ნეიროლური მაქინის გადაწყვეტილების (NMT) გამოსახულებაში ინფორმაციის გადაწყვე ჩვენ შეგიძლიათ და შევცვალოთ ორი მეტი NMT განსწავლების მონაცემებისთვის, რომლებიც არაფერი TM მაგალითებით. DGT- TM მონაცემების შესახებ ორი ენის ზოგებისთვის შესაძლებელი და მნიშვნელოვანი შესაძლებელება ბაზის სისტემების განმავლობაში. წარმოდგენების შესახებ, რომ ეს პროცემი გადაწყვება ყველა გადაწყვეტილების გარეშე საკუთარი გარეშე საკუთარი გარეშე, რომელიც შესაძლებელია დიდი TM და განსაკუთრებული გარეშე საკუთარი წარმოდგ

Abstract

Мәліметті аудару жадынан (TM) алып алған мәліметті көмектесу арқылы, нейрондық машинаны аудару (NMT) арқылы көмектесу үшін қарапайым, бірақ күшті деректерді көбектеу әд Біз NMT оқыту деректерін көбейту үшін екі әдістерді тексеру және тексереміз. DGT- TM деректер жиынының екі тіл екеуі үшін сынақтар негізгі жүйелер арасында тұрақты және көп жақсартуларын көрсетеді. Нәтижелер, бұл әдіс өлшемді ТМ қол жеткізетін аудармалар ортасында және аудармалардың көмегімен бірнеше қайталану мөлшерін күту керек, осылай қайталану үшін.

Abstract

우리는 번역기억(TM)에서 검색한 정보를 활용해 신경기계번역(NMT)의 성능을 향상시키는 간단하면서도 강력한 데이터 강화 방법을 제시했다.우리는 모호TM를 사용하여 증강 NMT 훈련 데이터를 매칭하는 두 가지 방법을 제시하고 테스트했다.두 언어 쌍의 DGT-TM 데이터 세트를 테스트한 결과, 일련의 베이스라인 시스템에 비해 일관성과 실질적인 향상이 있었다.결과에 의하면 이런 방법은 모든 번역 환경에 적용되고 이런 환경에서 상당한TM가 사용할 수 있으며 번역 과정에서 일정량의 중복이 발생할 것으로 예상된다. 특히 실현하기 쉽다는 것을 감안하면 그렇다.

Abstract

Pateikiame paprastą, tačiau galingą duomenų didinimo metodą, kuriuo siekiama sustiprinti nervinių mašinų vertimo (NMT) veiksmingumą, naudojant informacijos, gautos iš vertimo atminties (TM), svertą. Siūlome ir išbandome du NMT mokymo duomenų papildymo metodus su nesąmoningais TM atitiktimis. Dviejų kalbų porų DGT-TM duomenų rinkinio bandymai rodo nuoseklų ir esminį įvairių pradinių sistemų pagerėjimą. The results suggest that this method is promising for any translation environment in which a sizeable TM is available and a certain amount of repetition across translations is to be expected, especially considering its ease of implementation.

Abstract

We present a simple yet powerful data augmentation method for boosting Neural Machine Translation (NMT) performance by leveraging information retrieved from a Translation Memory (TM). Предложуваме и тестираме два методи за зголемување на податоците за обука на НМТ со нејасни ТМ натпревари. Тестовите на наборот на податоци на ДГТ-ТМ за два пара јазици покажуваат константни и значителни подобрувања во однос на голем број основни системи. Резултатите покажуваат дека овој метод ветува за секоја преводна средина во која е достапна голема ТМ и дека се очекува одредена количина повторување меѓу преводите, особено со оглед на нејзината лесност за спроведување.

Abstract

നെയുറല്‍ മെഷീന്‍ പരിഭാഷ (NMT) പ്രവര്‍ത്തിപ്പിക്കുന്നതിനുള്ള വിവരങ്ങള്‍ മെമ്മറിയില്‍ നിന്ന് വിവരം ലഭ്യമാക്കുന്നതിനുള്ള വിവരങ്ങള്‍ പുറത നമ്മള്‍ രണ്ട് രീതികള്‍ പരീക്ഷിക്കുകയും ചെയ്യുന്നു. നിര്‍മ്മിതമായ ടിഎംഎംഎം തിരഞ്ഞെടുക്കുന്നതിന് വേ രണ്ടു ഭാഷ ജോടികള്‍ക്ക് വേണ്ടി ഡിജിടി- ടിഎം ഡേറ്റാ സെറ്റ് ചെയ്യുന്നതില്‍ പരീക്ഷണങ്ങള്‍ ബെസ്റ്റ്ലൈന്‍ സിസ്റ്റം വ ഈ രീതിയില്‍ ഒരു വലിയ ടിഎം ലഭ്യമാകുന്ന ഏതെങ്കിലും പരിഭാഷയ്ക്കും വാഗ്ദാനം ചെയ്യുന്നുണ്ടെന്നും പരിഭാഷകളില്‍ വീണ്ടും പ്രതീക്ഷിക്കുന്ന ഒരു

Abstract

Бид мэдээллийг хөгжүүлэх мэдээллээс (TM) авсан мэдээллийг ашиглан мэдээллийг нэмэгдүүлэхэд энгийн ч хүчирхэг мэдээллийн нэмэгдүүлэх арга зам илэрхийлж байна. Бид NMT сургалтын өгөгдлийг хөгжүүлэхэд хоёр арга зөвшөөрүүлж, шалгаж үзүүлнэ. Хоёр хэл хоёрын DGT-TM өгөгдлийн сангийн шалгалтууд нь суурь шугам системийн олон хэсэг дээр тогтвортой болон их сайжруулалтыг харуулдаг. Үүний үр дүнд энэ арга нь хэмжээний ТМ болон хэмжээний орчинд хэмжээний хэмжээний хэмжээний давталтыг харуулах боломжтой гэдэгт итгэдэг. Ялангуяа үүнийг хөгжүүлэх амархан талаар бодож үзэх хэрэгтэй.

Abstract

Kami perkenalkan kaedah peningkatan data mudah tetapi berkuasa untuk meningkatkan prestasi Perjemahan Mesin Neural (NMT) dengan menggunakan maklumat yang dicapai dari Memori Terjemahan (TM). Kami mencadangkan dan menguji dua kaedah untuk menambah data latihan NMT dengan perlawanan TM. Ujian pada set data DGT-TM untuk dua pasangan bahasa menunjukkan peningkatan konsisten dan konsisten dalam julat sistem asas. Hasilnya menunjukkan bahawa kaedah ini berjanji untuk mana-mana persekitaran terjemahan di mana TM yang besar tersedia dan jumlah tertentu pengulangan di seluruh terjemahan hendak dijangka, terutama mempertimbangkan kemudahan implementasinya.

Abstract

Aħna nippreżentaw metodu sempliċi iżda qawwi ta’ żieda fid-dejta biex tingħata spinta lill-prestazzjoni tat-Traduzzjoni tal-Magni Newrali (NMT) billi ninfurzaw l-informazzjoni miksuba minn Memorja tat-Traduzzjoni (TM). Aħna nipproponu u nistestjaw żewġ metodi biex iżidu d-dejta tat-taħriġ tal-NMT b’logħob tat-TM bla xkiel. It-testijiet fuq is-sett tad-dejta tad-DGT-TM għal żewġ pari lingwistiċi juru titjib konsistenti u sostanzjali fuq firxa ta’ sistemi ta’ linja bażi. Ir-riżultati jissuġġerixxu li dan il-metodu huwa promettenti għal kwalunkwe ambjent ta’ traduzzjoni li fih TM konsiderevoli huwa disponibbli u ċertu ammont ta’ ripetizzjoni fit-traduzzjonijiet kollha għandu jkun mistenni, speċjalment meta jitqies il-faċilità tal-implimentazzjoni tiegħu.

Abstract

We presenteren een eenvoudige maar krachtige data augmentatie methode voor het verbeteren van de prestaties van Neural Machine Translation (NMT) door gebruik te maken van informatie die wordt opgehaald uit een Translation Memory (TM). We stellen twee methoden voor om NMT trainingsgegevens met fuzzy TM matches uit te breiden en te testen. Tests op de DGT-TM dataset voor twee taalparen tonen consistente en substantiële verbeteringen aan ten opzichte van een reeks basissystemen. De resultaten suggereren dat deze methode veelbelovend is voor elke vertaalomgeving waarin een omvangrijke TM beschikbaar is en een zekere hoeveelheid herhaling tussen vertalingen te verwachten is, vooral gezien het gemak van implementatie.

Abstract

Vi presenterer ein enkel, men kraftig dataaugmentasjon for å styra utviklinga av Neuralmaskineomsetjing (NMT) ved å levera informasjon henta frå ei oversetteminne (TM). Vi foreslår og testar to metodar for å auka NMT- treningsdata med små TM- treff. Testar på DGT-TM-datasettet for to språkopar viser konsistent og substantive forbedringar over eit rekke baselinjesystemer. Resultatet foreslår at denne metoden foreslår for alle omsetjingsvelgjer der ein storleikbar TM er tilgjengeleg og ein viss storleik gjentakingar over omsetjingar skal forventast, særleg gjennom at det er lett å implementera.

Abstract

Przedstawiamy prostą, ale potężną metodę powiększania danych w celu zwiększenia wydajności tłumaczenia maszynowego (NMT) poprzez wykorzystanie informacji pozyskanych z pamięci tłumaczeniowej (TM). Proponujemy i testujemy dwie metody uzupełniania danych treningowych NMT o dopasowania fuzzy TM. Testy zbioru danych DGT-TM dla dwóch par językowych wykazują spójne i znaczące ulepszenia w stosunku do szeregu systemów bazowych. Wyniki sugerują, że metoda ta jest obiecująca dla każdego środowiska tłumaczeniowego, w którym dostępny jest duży TM i należy oczekiwać pewnej ilości powtórzeń w tłumaczeniach, zwłaszcza biorąc pod uwagę jej łatwość wdrożenia.

Abstract

Apresentamos um método de aumento de dados simples, mas poderoso, para aumentar o desempenho da tradução automática neural (NMT) aproveitando as informações recuperadas de uma memória de tradução (TM). Propomos e testamos dois métodos para aumentar os dados de treinamento NMT com jogos fuzzy TM. Testes no conjunto de dados DGT-TM para dois pares de idiomas mostram melhorias consistentes e substanciais em vários sistemas de linha de base. Os resultados sugerem que este método é promissor para qualquer ambiente de tradução em que uma TM considerável esteja disponível e uma certa quantidade de repetição entre as traduções é esperada, especialmente considerando sua facilidade de implementação.

Abstract

Vă prezentăm o metodă simplă, dar puternică de augmentare a datelor pentru creșterea performanței Neural Machine Translation (NMT) prin utilizarea informațiilor recuperate dintr-o memorie de traducere (TM). Propunem și testam două metode pentru mărirea datelor de antrenament NMT cu meciuri fuzzy TM. Testele efectuate pe setul de date DGT-TM pentru două perechi de limbi arată îmbunătățiri consistente și substanțiale în raport cu o serie de sisteme de referință. Rezultatele sugerează că această metodă este promițătoare pentru orice mediu de traducere în care este disponibilă o TM considerabilă și este de așteptat o anumită cantitate de repetare în toate traducerile, în special având în vedere ușurința sa de implementare.

Abstract

Мы представляем простой, но мощный метод дополнения данных для повышения производительности нейронного машинного перевода (NMT) за счет использования информации, полученной из памяти перевода (TM). Мы предлагаем и тестируем два метода для дополнения тренировочных данных НБ нечеткими совпадениями ТМ. Тесты на наборе данных DGT-TM для двух языковых пар показывают последовательные и существенные улучшения по сравнению с рядом базовых систем. Результаты показывают, что этот метод является многообещающим для любой среды перевода, в которой доступна значительная ТМ, и следует ожидать некоторого количества повторов во всех переводах, особенно учитывая его простоту реализации.

Abstract

අපි පරිවර්තන මතකය (TM) වලින් ලැබුණු තොරතුරු ප්‍රවේශනය සඳහා සාමාන්‍ය හැකි දත්ත විශාලනය විධානයක් ප්‍රවේශනය කරනවා. අපි පරීක්ෂණය කරන්න සහ පරීක්ෂණය කරනවා NMT ප්‍රශ්නය දත්ත වැඩි කරන්න සහ පරීක්ෂණය කරන්න. DGT-TM දත්ත සෙට් එකේ පරීක්ෂණය භාෂා දෙකක් සඳහා පරීක්ෂණය පෙන්වන්න පුළුවන් සහ සාමාන්‍ය ප්‍රවෘතිකරණය පද ප්‍රතිචාර ප්‍රතිචාරයක් ප්‍රතිචාර කරනවා මේ විධානය ප්‍රතිචාර කරන්නේ කිසිම වාර්ථාවක් වෙනුවෙන් ප්‍රතිචාරයක් තියෙන්නේ කිය

Abstract

Predstavljamo preprosto, a zmogljivo metodo povečanja podatkov za povečanje zmogljivosti nevralnega strojnega prevajanja (NMT) z izkoriščanjem informacij, pridobljenih iz prevajalskega pomnilnika (TM). Predlagamo in testiramo dve metodi za povečanje podatkov o treningu NMT z mehkimi TM tekmami. Preskusi sklopa podatkov DGT-TM za dva jezikovna para kažejo dosledne in bistvene izboljšave v različnih osnovnih sistemih. Rezultati kažejo, da je ta metoda obetavna za vsako prevajalsko okolje, v katerem je na voljo precejšnja TM in je pričakovati določeno količino ponavljanja med prevodi, zlasti glede na njeno enostavnost izvajanja.

Abstract

Waxaannu soo bandhignaa qaab fudud oo aan awood u lahayn kordhinta macluumaadka ku habboonaynta tarjumidda Neural Mashine (NMT) oo lagu soo dirayo macluumaad laga helay xasuusta turjumista (TM). Waxaynu horumarinaynaa oo imtixaamaynaa laba qaab ah si aan u kordhiyo waxbarashada NMT oo ku qoran qoraalka fuzzy TM. Imtixaanka ku saabsan danbiyada DGT-TM ee loo qoray laba labo luqadood waxay muujiyaan horumarin badan oo ka mid ah nidaamka baseline. Abaalku waxay ka jeedaan in qaababkan looga ballanqaadaa hababka turjumista oo dhan, kuwaas oo ay ku heli karaan TM oo aad u weyn, oo waxaa la rajaynayaa in turjumaadda lagu soo celiyo tiro cayiman ah, khusuusan ka fiirsanayo fududaada la soo dejiyo.

Abstract

We present a simple yet powerful data augmentation method for boosting Neural Machine Translation (NMT) performance by leveraging information retrieved from a Translation Memory (TM). Ne propozojmë dhe testojmë dy metoda për të rritur të dhënat e trajnimit të NMT me ndeshje të ngatërruara TM. Tests on the DGT-TM data set for two language pairs show consistent and substantial improvements over a range of baseline systems. Rezultatet sugjerojnë se kjo metodë është premtuese për çdo mjedis përkthimi në të cilin është në dispozicion një TM i madh dhe një sasi e caktuar përsëritjeje nëpërmjet përkthimeve duhet të pritet, veçanërisht duke konsideruar lehtësinë e zbatimit të saj.

Abstract

Predstavljamo jednostavnu, ali moćnu metodu povećanja podataka za jačanje izvođenja Neuralne mašine prevode (NMT) povećanjem informacija prikupljenih iz Memorije prevode (TM). Predlažemo i testiramo dve metode za povećanje podataka o obuci NMT sa fuzzy TM matches. Testovi o podacima DGT-TM za dva jezička parova pokazuju konsekventne i značajne poboljšanja u nizu početnih sustava. Rezultati ukazuju na to da je taj metod obećava za bilo kakvo prevodno okruženje u kojem je dostupan veliki TM i da se očekuje određena količin a ponavljanja preko prevoda, posebno s obzirom na lakšu provedbu.

Abstract

Vi presenterar en enkel men kraftfull dataförstärkningsmetod för att förbättra neural maskinöversättning (NMT) prestanda genom att utnyttja information hämtad från ett översättningsminne (TM). Vi föreslår och testar två metoder för att öka NMT träningsdata med fuzzy TM matcher. Tester av DGT-TM-datauppsättningen för två språkpar visar på konsekventa och betydande förbättringar jämfört med en rad grundläggande system. Resultaten tyder på att denna metod är lovande för alla översättningsmiljöer där en betydande TM finns tillgänglig och en viss mängd repetition mellan översättningar kan förväntas, särskilt med tanke på dess enkla implementering.

Abstract

Tunaweza kuweka njia rahisi lakini yenye nguvu ya kuongeza taarifa kwa ajili ya kukuza utendaji wa Tafsiri ya Mashine ya Neurali (NMT) kwa kutuma taarifa zilizochukuliwa kutoka kumbukumbu ya Tafsiri (TM). Tunazipendekeza na kujaribu mbinu mbili za kuongeza taarifa za mafunzo ya NMT kwa mashindano mabaya ya TM. Majaribio kwenye takwimu za DGT-TM zilizowekwa kwa ajili ya wanaume wawili wa lugha zinaonyesha maendeleo makubwa zaidi ya mfumo wa msingi. Matokeo yanaonyesha kuwa mbinu hii inaahidiwa kwa mazingira yoyote ya kutafsiri ambapo TM yenye kiasi kikubwa kinapatikana na kiasi fulani cha mara kwa mara katika tafsiri zinatarajiwa, hasa kwa kuzingatia uwezekano wake wa kutekelezwa.

Abstract

நாம் மொழிபெயர்ப்பு மொழிபெயர்ப்பிலிருந்து தகவல் மீட்டெடுக்கப்பட்டுள்ளது மூலம் மொழிபெயர்ப்பிலிருந்து பெற்றுள்ள நெயுரல் இயந்த We propose and test two methods for augmenting NMT training data with fuzzy TM matches. இரண்டு மொழி ஜோடிகளுக்கான DGT- TM தகவல் அமைப்பில் சோதனைகள் மூலம் முன்னேற்றங்களை வெளிப்படையில் காட்டுகிறது. முடிவு

Abstract

Biz Nural Ma힊yny흫 Terjime 횦akyndan (TM) alan maglumatlary ulanyp 첵eterlik we g체첵챌li bir maglumat ga첵tgetmek 체챌in bir basit we g체첵챌li maglumat t채sirini g철rke첵채ris NMT 체첵tge힊ik TM me첵dan챌alary bilen 체첵tgetmek 체챌in iki y철ntemi teklip edip testi흫 ed첵채ris. DGT-TM maglumatlary iki dil 챌iftliki 체챌in testiler baz sistemlerinde belli we 챌yky힊 d체zeltilmeleri g철rkez첵채r. Netijenler 힊u y철ntem TM 체챌in ullan첵an terjime 챌evresinde t채ze bir terjime etmek 체챌in s철z ber첵채r we terjime edeni흫 birn채챌e sany t채zeden ga첵talamak 체챌in gara힊yl첵ar, i흫.a 첵ratyn implementasi첵asyny흫 a흫satlykyny g철zle첵채n.

Abstract

ہم ایک ساده اور طاقت دار ڈیٹا اضافہ طریقہ پیش کرتے ہیں کہ نیورال ماشین تغییر (NMT) کی عمدگی کو زیادہ دکھائے۔ ہم نے NMT ٹرینگ ڈیٹوں کی افزایش کے ساتھ دو طریقے پیشنهاد کریں اور امتحان کریں۔ دو زبان جوڑوں کے لئے DGT-TM ڈاٹ سٹ کے لئے تست کے ذریعہ ایک سری سیسٹم پر موجود اور زیادہ اضافہ دکھاتے ہیں. نتیجے ان کا معلوم ہے کہ یہ طریقہ ہر ترجمہ محیط کے لئے وعدہ کرتا ہے جہاں ایک اندازہ قابل TM موجود ہے اور ترجمہ کے بارے میں ایک مقدار تکرار کی تعداد کی انتظار کی جاتی ہے، مخصوصاً اس کی آسانی کے مطابق انتظار کی جاتی ہے.

Abstract

@ info: status @ info: status Name @ info: whatsthis

Abstract

Chúng tôi giới thiệu một phương pháp gia tăng dữ liệu đơn giản nhưng mạnh để tăng cường khả năng dịch chuyển máy thần kinh (NMB) bằng cách thao túng thông tin lấy được từ bộ nhớ dịch (TM). Chúng tôi đề xuất và thử hai phương pháp cải thiện dữ liệu huấn luyện NMT với đám khớp khớp khớp với TM. Xét nghiệm trên tập đoàn dữ liệu DG-TM cho hai cặp ngôn ngữ cho thấy sự cải tiến liên tục và đáng kể trong một loạt hệ thống cơ bản. Kết quả cho thấy phương pháp này hứa hẹn với bất kỳ môi trường dịch chuyển nào có sẵn một lượng lớn TM trong đó và cũng phải có số lượng liên tục trong nhiều dịch thuật, đặc biệt khi tính đến sự dễ khởi động của nó.

Abstract

建简而强数,因译记库 (TM) 检息以重神经机器翻译 (NMT) 性。臣等试用模糊二种TM匹配以增之NMT训练数据之法。二言之对 DGT-TM 数集之试见,列于一系基线统,其得一而实质性之。结果表明此法于一切译境皆有希望,于此之中,有大TM可用,且计其重复,特虑其易用性。

Anthology ID:: P19-1175
Volume:: Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics
Month:: July
Year:: 2019
Address:: Florence, Italy
Venue:: ACL
SIG:
Publisher:: Association for Computational Linguistics
Note:
Pages:: 1800–1809
Language:
URL:: https://aclanthology.org/P19-1175
DOI:: 10.18653/v1/P19-1175
Bibkey:
Cite (ACL):: Bram Bulte and Arda Tezcan. 2019. Neural Fuzzy Repair : Integrating Fuzzy Matches into Neural Machine Translation. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 1800–1809, Florence, Italy. Association for Computational Linguistics.
Cite (Informal):: Neural Fuzzy Repair : Integrating Fuzzy Matches into Neural Machine Translation (Bulte & Tezcan, ACL 2019)
Copy Citation:
PDF:: https://aclanthology.org/P19-1175.pdf
Video:: https://vimeo.com/384527378
Terminologies:

PDF Cite Search Translate Video