Biblioteca121.270 documentos en línea

Artículo

Improving Neural Machine Translation with AMR Semantic GraphsMejora de la traducción automática neuronal con grafos semánticos AMR

Resumen

El modelo Seq2Seq y sus variantes (ConvSeq2Seq y Transformer) surgen como una solucin novedosa y prometedora al problema de la traduccin automtica. Sin embargo, estos modelos slo se centran en explotar el conocimiento de las frases bilinges sin prestar mucha atencin a la utilizacin de fuentes externas de conocimiento lingstico, como las representaciones semnticas. Las representaciones semnticas no slo pueden ayudar a preservar el significado, sino que tambin minimizan el problema de la escasez de datos. Sin embargo, hasta la fecha, la informacin semntica apenas se ha integrado en los modelos de traduccin automtica. En este estudio, examinamos el efecto de los grafos semnticos de representacin abstracta del significado (AMR) en distintos modelos de traduccin automtica. Los resultados experimentales sobre el conjunto de datos ingls-vietnamita IWSLT15 han demostrado la eficacia del modelo propuesto, ampliando el uso de fuentes externas de conocimiento lingstico para mejorar significativamente el rendimiento de los modelos de traduccin automtica, especialmente en la aplicacin de pares de idiomas con pocos recursos.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento