Neural maskinöversättning

Neural Machine Translation ( NMT) är ett tillvägagångssätt för maskinöversättning som använder ett stort artificiellt neuralt nätverk .  Det skiljer sig från frasstatistikbaserade maskinöversättningsmetoder , som använder separat utvecklade underkomponenter [1] .

Beskrivning

Översättningstjänster från Google , Yandex , Microsoft och PROMT [2] använder redan neural översättning. Google använder Google Neural Machine Translation (GNMT) istället för tidigare använda statistiska metoder. [3] Microsoft använder liknande teknik för talöversättning (inklusive Microsoft Translator och Skype Translator ). [4] Harvard Natural Language Processing Group släppte OpenNMT, ett neuralt maskinöversättningssystem med öppen källkod [5] . Yandex.Translate har en hybridmodell: både den statistiska modellen och det neurala nätverket erbjuder sina egna översättningsalternativ. Därefter kommer CatBoost- teknologin , som är baserad på maskininlärning , att välja det bästa av de erhållna resultaten [6] .

NMT-modeller använder djupinlärning och funktionsinlärning . De kräver bara en liten mängd minne jämfört med traditionella statistiska maskinöversättningssystem (SMT). Dessutom, till skillnad från traditionella översättningssystem, tränas alla delar av en neural översättningsmodell tillsammans (ände till slut) för att maximera översättningseffektiviteten [7] [8] [9] .

Ett dubbelriktat återkommande neuralt nätverk (RNN), även känt som en kodare , används av det neurala nätverket för att koda den ursprungliga meningen för ett andra återkommande nätverk, även känt som en avkodare , som används för att förutsäga ord i det slutliga språket [10 ] .

Se även

Anteckningar

  1. Wołk, Krzysztof; Marasek, Krzysztof. Neuralbaserad maskinöversättning för medicinsk textdomän. Baserat på European Medicines Agency Leaflet Texts  (engelska)  // Procedia Computer Science: journal. - 2015. - Vol. 64 , nr. 64 . - S. 2-9 . - doi : 10.1016/j.procs.2015.08.456 .
  2. Neurala nätverk, offlineöversättare och konkurrens. Maskinöversättningsteknik . Hämtad 26 april 2019. Arkiverad från originalet 26 april 2019.
  3. Lewis-Kraus, Gideon . The Great AI Awakening , New York Times  (14 december 2016). Arkiverad från originalet den 5 maj 2017. Hämtad 4 maj 2017.
  4. Microsoft Translator lanserar Neural Network-baserade översättningar för alla sina talspråk – Translator . Hämtad 4 maj 2017. Arkiverad från originalet 10 maj 2017.
  5. OpenNMT - Neural Machine  Translation med öppen källkod . opennmt.net . Hämtad 22 mars 2017. Arkiverad från originalet 16 mars 2017.
  6. Ett fantasy neuralt nätverk byggdes in i Yandex.Translate-CNews . Hämtad 8 oktober 2017. Arkiverad från originalet 8 oktober 2017.
  7. Kalchbrenner, Nal; Blunsom, Philip. Recurrent Continuous Translation Models  (neopr.)  // Proceedings of the Association for Computational Linguistics. — 2013.
  8. Sutskever, Ilja; Vinyals, Oriol; Le, Quoc Viet. Sekvens till sekvensinlärning med neurala nätverk  (odefinierad)  // NIPS. — 2014.
  9. Kyunghyun Cho; Bart van Merrienboer; Dzmitry Bahdanau & Yoshua Bengio (3 september 2014), On the Properties of Neural Machine Translation: Encoder–Decoder Approaches, arΧiv : 1409.1259 [cs.CL]. 
  10. Dmitry Bahdanau; Cho Kyunghyun & Yoshua Bengio (2014), Neural Machine Translation by Jointly Learning to Align and Translate, arΧiv : 1409.0473 [cs.CL]. 

Länkar