Skip to content
项目
群组
代码片段
帮助
当前项目
正在载入...
登录 / 注册
切换导航面板
M
mtbookv2
概览
Overview
Details
Activity
Cycle Analytics
版本库
Repository
Files
Commits
Branches
Tags
Contributors
Graph
Compare
Charts
问题
0
Issues
0
列表
Board
标记
里程碑
合并请求
0
Merge Requests
0
CI / CD
CI / CD
流水线
作业
日程表
图表
维基
Wiki
代码片段
Snippets
成员
Collapse sidebar
Close sidebar
活动
图像
聊天
创建新问题
作业
提交
Issue Boards
Open sidebar
NiuTrans
mtbookv2
Commits
25d484fe
Commit
25d484fe
authored
Nov 30, 2020
by
xiaotong
Browse files
Options
Browse Files
Download
Email Patches
Plain Diff
wording (sec 16, summary)
parent
af51f0ce
显示空白字符变更
内嵌
并排
正在显示
1 个修改的文件
包含
4 行增加
和
2 行删除
+4
-2
Chapter16/chapter16.tex
+4
-2
没有找到文件。
Chapter16/chapter16.tex
查看文件 @
25d484fe
...
@@ -1088,11 +1088,13 @@ P(\mathbi{y}|\mathbi{x}) & = & \frac{\mathrm{cos}(\mathbi{x},\mathbi{y})/\tau}{\
...
@@ -1088,11 +1088,13 @@ P(\mathbi{y}|\mathbi{x}) & = & \frac{\mathrm{cos}(\mathbi{x},\mathbi{y})/\tau}{\
% NEW SECTION
% NEW SECTION
%----------------------------------------------------------------------------------------
%----------------------------------------------------------------------------------------
\section
{
小结及深入阅读
}
\section
{
小结及扩展阅读
}
低资源机器翻译是机器翻译大规模应用所面临的挑战之一,因此也备受关注。一方面,小样本学习和零样本学习技术的发展,使得研究者可以有更多的手段对问题求解;另一方面,从多语言之间的联系出发,也可以进一步挖掘语料背后的知识,并应用于低资源翻译任务。本章从多个方面介绍了低资源机器翻译方法,并结合多语言、零资源翻译等问题给出了不同场景下解决问题的思路。除此之外,还有几方面工作值得进一步关注:
(扩展阅读)
(扩展阅读)
\parinterval
除此之外,还有很多
工作对数据增强方法进行了深入的研究与探讨。探索源语言单语数据在神经机器翻译中的使用方法
\upcite
{
DBLP:conf/emnlp/ZhangZ16
}
;选择何种单语数据来生成伪数据带来的收益更大
\upcite
{
DBLP:conf/emnlp/FadaeeM18,DBLP:conf/nlpcc/XuLXLLXZ19
}
;通过特别标识对真实双语和回译生成的伪双语数据进行区分
\upcite
{
DBLP:conf/wmt/CaswellCG19
}
;在回译过程中对训练数据进行动态选择与加权
\upcite
{
DBLP:journals/corr/abs200403672
}
;利用目标端单语数据和相关的富资源语言进行数据增强
\upcite
{
DBLP:conf/acl/XiaKAN19
}
;通过在源语言或目标语言中随机选择某些词,将这些词替换为词表中随机的一个词,可以得到伪双语数据
\upcite
{
DBLP:conf/emnlp/WangPDN18
}
;随机选择句子中的某个词,将这个词的词嵌入替换为多个语义相似词的加权表示融合
\upcite
{
DBLP:conf/acl/GaoZWXQCZL19
}
;基于模型的不确定性来量化预测结果的置信度,从而提升回译方法的性能
\upcite
{
DBLP:conf/emnlp/WangLWLS19
}
;探索如何利用大规模单语数据
\upcite
{
DBLP:conf/emnlp/WuWXQLL19
}
;还有一些工作对数据增强进行了理论分析
\upcite
{
DBLP:conf/emnlp/LiLHZZ19
}{
\color
{
red
}
,发现XXXX?
}
。(
{
\color
{
red
}
这部分写得不错
}
)
{
\color
{
blue
}
肖:不要一条一条罗列,可以做总结,提炼共性问题和方法!
}
\parinterval
也有
工作对数据增强方法进行了深入的研究与探讨。探索源语言单语数据在神经机器翻译中的使用方法
\upcite
{
DBLP:conf/emnlp/ZhangZ16
}
;选择何种单语数据来生成伪数据带来的收益更大
\upcite
{
DBLP:conf/emnlp/FadaeeM18,DBLP:conf/nlpcc/XuLXLLXZ19
}
;通过特别标识对真实双语和回译生成的伪双语数据进行区分
\upcite
{
DBLP:conf/wmt/CaswellCG19
}
;在回译过程中对训练数据进行动态选择与加权
\upcite
{
DBLP:journals/corr/abs200403672
}
;利用目标端单语数据和相关的富资源语言进行数据增强
\upcite
{
DBLP:conf/acl/XiaKAN19
}
;通过在源语言或目标语言中随机选择某些词,将这些词替换为词表中随机的一个词,可以得到伪双语数据
\upcite
{
DBLP:conf/emnlp/WangPDN18
}
;随机选择句子中的某个词,将这个词的词嵌入替换为多个语义相似词的加权表示融合
\upcite
{
DBLP:conf/acl/GaoZWXQCZL19
}
;基于模型的不确定性来量化预测结果的置信度,从而提升回译方法的性能
\upcite
{
DBLP:conf/emnlp/WangLWLS19
}
;探索如何利用大规模单语数据
\upcite
{
DBLP:conf/emnlp/WuWXQLL19
}
;还有一些工作对数据增强进行了理论分析
\upcite
{
DBLP:conf/emnlp/LiLHZZ19
}{
\color
{
red
}
,发现XXXX?
}
。(
{
\color
{
red
}
这部分写得不错
}
)
{
\color
{
blue
}
肖:不要一条一条罗列,可以做总结,提炼共性问题和方法!
}
(多语言扩展阅读)
(多语言扩展阅读)
...
...
编写
预览
Markdown
格式
0%
重试
或
添加新文件
添加附件
取消
您添加了
0
人
到此讨论。请谨慎行事。
请先完成此评论的编辑!
取消
请
注册
或者
登录
后发表评论