신문과 출판물

다중 레벤슈틴 트랜스포머가 있는 예제 기반 NMT를 향해

막심 부토르, 요셉 크레고, 프랑수아 이본.

BiSync: 동기화된 단일 언어 텍스트를 위한 이중 언어 편집기

세계화된 우리의 세계에서, 사람들이 하나 또는 여러 개의 외국어로 의사소통을 해야 하는 상황이 점점 더 많이 발생하고 있습니다. 서면 통신의 경우, 외국어의 좋은 명령어를 가진 사용자는 컴퓨터 번역(CAT) 기술로부터 도움을 찾을 수 있다. 이러한 기술은 종종 사용자가 외부 리소스(예: ...)에 액세스할 수 있게 한다. 계속됨

조셉 크레고, 지타오 쉬, 프랑수아 이본.

텍스트에서 수화의 계층적 표현으로의 예제 기반 기계 번역

본고에서는 텍스트에서 수화(SL)로의 자동 번역 실험을 제시한다. 대규모 정렬된 코퍼스가 없기 때문에 SL에서 계층적 표현의 형태로 담론을 중간 대표하는 AZee를 사용하여 예제 기반 접근법을 탐구했다.

Élise Bertin-Lemée, Annelies Braforut, Camille Challant, 클레어 다네, 마이클 필홀

비자동 회귀 기계 번역에 번역 메모리 통합

지타오 쉬, 요셉 크레고, 프랑수아 이본.

이중 언어 동기화: 편집 작업을 사용하여 번역 관계 복원

기계 번역(MT)은 일반적으로 일부 소스 텍스트와 동등한 대상 언어를 처음부터 생성하는 단발성 프로세스로 간주됩니다. 여기서는 소스의 유효한 번역으로 변환되어야 하는 초기 타겟 시퀀스를 가정하여 소스와 타겟 간의 병렬성을 복원하는 보다 일반적인 설정을 고려한다. 이 이중 언어 동기화 작업을 위해 여러 아키텍처(자동 회귀 및 비자동 회귀)와 교육 체제를 고려하고 시뮬레이션 대화형 MT, 번역 메모리(TM) 및 TM 클리닝과 같은 여러 실제 설정을 실험합니다. 우리의 결과는 하나의 일반 편집 기반 시스템이 미세 조정되면 이러한 작업을 위해 특별히 훈련된 전용 시스템과 비교하거나 심지어 성능을 능가할 수 있음을 시사한다.

Jitao Xu, Josep Crego, 프랑수아 이본

번역 메모리가 있는 비자동 회귀 기계 번역

비자기회귀적 기계번역(NAT)이 최근 큰 진전을 보이고 있다. 그러나 Levenshtein Transformer(LevT)와 같은 일부 편집 기반 NAT 모델은 번역 메모리(TM)를 사용하여 번역하는 데 적합해 보이지만 현재까지 대부분의 작업은 표준 번역 작업에 중점을 두고 있습니다. 이것이 여기에서 고려된 시나리오입니다. 먼저 바닐라 LevT 모델을 분석합니다. 계속됨

Jitao Xu, Josep Crego, 프랑수아 이본

프랑스어 라이브 음성 대본의 강력한 번역

직접 접근법과의 성능 격차가 좁혀졌음에도 불구하고 자동 음성 인식(ASR) 및 기계 번역(MT)을 포함하는 캐스케이드 솔루션은 여전히 음성 번역(ST)에서 주로 사용된다. 입력 음성 신호를 번역하기 위해 단일 모델을 사용하는 직접적인 접근법은 데이터 희소성의 심각한 병목 현상을 겪는다. 또한 여러 산업 응용 프로그램에서 음성 녹음을 표시합니다. 계속됨

Elise Bertin-Lemée, Guillaume Klein, Josep Crego, 장 세넬라트

다국어 및 다중 도메인 기계 번역을 위한 잠재 그룹 드롭아웃

다중 도메인 및 다국어 기계 번역은 종종 파라미터 공유 전략에 의존하는데, 여기서 네트워크의 많은 부분은 당면한 작업의 공통점을 캡처하도록 의도되는 반면, 더 작은 부분은 언어 또는 도메인의 특성을 모델링하도록 예약된다. 어댑터 기반 접근법에서 이러한 전략은 독립적인 네트워크 아키텍처에서 하드코딩된다. 계속됨

Minh-Quang Pham, François Yvon, 호셉 크레고

계층 표현에서 예제 기반 다중 선형 수화 생성

보리스 다우리악, 아넬리스 브라포트, 엘리스 베르탱-레미

동적 샘플링 기법을 이용한 신경기계 번역에서의 다중 영역 적응

효과적인 신경 기계 번역 모델을 구축하는 것은 종종 관심 도메인(들)에 대한 성능을 최적화하기 위해 다양한 이종 데이터 세트를 수용하는 것을 의미한다. 이러한 멀티-소스/멀티-도메인 적응 문제들은 전형적으로, 태스크에 관한 트레이닝 인스턴스들의 관련성에 대한 정적 평가에 기초하여, 인스턴스 선택 또는 재가중화 전략들을 통해 접근된다. 계속됨

MinhQuang Pham, Antoine Senellart, Dan Berrebbi, Josep Crego, Jean Senellart