Papiere und Veröffentlichungen

Domänenkontrolle für neuronale maschinelle Übersetzung [PDF]

Maschinelle Übersetzungssysteme reagieren sehr empfindlich auf die Bereiche, in denen sie geschult wurden. Verschiedene Techniken der Domainanpassung wurden eingehend untersucht. Wir schlagen eine neue Technik für neuronale maschinelle Übersetzung (NMT) vor, die wir Domain-Kontrolle nennen, die zur Laufzeit unter Verwendung eines einzigartigen neuronalen Netzwerks durchgeführt wird, das mehrere Domänen abdeckt. Der vorgestellte Ansatz zeigt Qualitätsverbesserungen ... Fortsetzung

Catherine Kobus, Josep Crego, Jean Senellart

Adaptation incrémentale de modèles de traduction neuronaux

L’adaption au domaine est un verrou scientifique en traduction automatique. Il englobe généralement l’adaption de la terminologie et du style, en particulier pour la post-édition humaine dans le cadre d’une traduction assistée par ordinateur. Avec la traduction automatique neuronale, nous étudions une nouvelle approche d'adaption au domaine que nous appelons "spécialisation" et qui présente des ... Fortsetzung

Christophe Servan, Josep Crego, Jean Senellart

Konzeption einer Lösung zur Erkennung von Ereignissen auf Twitter

Cet article présente un système d'alerts fondé sur la masse de données issues de Tweeter. L’object de l’outil est de surveillance l’actualité, autour de various domaines témoin including les événements sportifs or les catastrophes naturelles. Die Überwachung ist auf die Inhalte der Weboberfläche ausgerichtet, die für die Lokalisierung in einer Liste aufgeführt ist.

Christophe Servan, Catherine Kobus, Yongchao Deng, Cyril Touffet, Jungi Kim, è Kapp, Djamel Mostefa, Josep Crego, Jean Senellart

SYSTRAN Pure Neural Machine Translation [PDF]

Jeder von uns hat Deep Learning in alltäglichen Geschäftsanwendungen erlebt oder gehört. Was sind die Grundlagen dieser neuen Technologie und welche neuen Möglichkeiten bietet sie?

Domain-Spezialisierung: eine nachtrainierende Domain-Adaption für neuronale maschinelle Übersetzung

Die Anpassung von Domänen ist ein Hauptmerkmal der maschinellen Übersetzung. Sie umfasst in der Regel die Anpassung von Terminologie, Domänen und Stilen, insbesondere für Nachbearbeitungsworkflows in der computergestützten Übersetzung (CAT). Mit Neural Machine Translation (NMT) führen wir eine neue Vorstellung der Domain-Anpassung ein, die wir "Spezialisierung" nennen und die viel versprechende Ergebnisse sowohl in der Lerngeschwindigkeit zeigt ... Fortsetzung

Christophe Servan, Josep Crego, Jean Senellart

Neuronale maschinelle Übersetzung aus vereinfachten Übersetzungen

Die Textvereinfachung zielt darauf ab, die lexikalische, grammatische und strukturelle Komplexität eines Textes zu reduzieren und dabei die gleiche Bedeutung beizubehalten. Im Kontext der maschinellen Übersetzung stellen wir die Idee vereinfachter Übersetzungen vor, um die Lernfähigkeit tiefer neuronaler Übersetzungsmodelle zu steigern. Wir führen erste Experimente durch, die zeigen, dass die Komplexität der Übersetzung tatsächlich reduziert wird ... Fortsetzung

Josep Crego: Jean Senellart

REINE NEURALE MASCHINELLE ÜBERSETZUNGSSYSTEME VON SYSTRAN

Seit der ersten Online-Demonstration von Neural Machine Translation (NMT) durch LISA hat sich die Entwicklung von NMT vor kurzem vom Labor auf Produktionssysteme verlagert, wie mehrere Unternehmen bewiesen haben, die die Einführung von NMT-Engines ankündigten, um ihre bestehenden Technologien zu ersetzen. NMT-Systeme haben eine große Anzahl von Trainingskonfigurationen und der Trainingsprozess solcher Systeme ist in der Regel ... Fortsetzung

Josep Crego, Jungi Kim, Guillaume Klein, Anabel Rebollo, Kathy Yang, Jean Senellart, Egor Akhanov, Patrice Brunelle, Aurelien Coquard, Yongchao Deng, Satoshi Enoue, Chiyo Geiss, Joshua Johanson, Ardas Khalsa, Raoum Khiari, Byeongil Ko, Catherine Kobus, Jean Lorieux, Leidiana Martins, Dang-Chuan Nguyen, Alexandra Priori, Thomas Riccardi, Natalia Segal, Christophe van Serge Tiquet, Bo Wang, Jin Yang, Dakun Zhang, Jing Zhou, Peter Zoldan

Systemkombination RWTH Aachen - SYSTRAN für die NTCIR-10 PatentMT Evaluation 2013 [PDF]

Dieses Papier beschreibt die gemeinsame Einreichung von RWTH Aachen University und SYSTRAN im chinesisch-englischen Patent Machine Translation Task beim 10. NTCIR Workshop. Wir spezifizieren die von der RWTH Aachen entwickelten statistischen Systeme und die von SYSTRAN entwickelten hybriden maschinellen Übersetzungssysteme. Wir setzen die Kombinationstechniken der RWTH Aachen ein, um Konsenshypothesen aus... Fortsetzung

Minwei Feng, Markus Freitag, Hermann Ney, Bianka Buschbeck, Jean Senellart, Jin Yang

SYSTRAN Chinesisch-Englisch und Englisch-Chinesisch Hybride Maschinelle Übersetzungssysteme für CWMT 2011 [PDF]

Dieser Bericht beschreibt die Systeme der maschinellen Übersetzung von SYSTRAN für chinesisch-englisch und englisch-chinesisch, die an den CWMT 2011-Evaluierungsaufgaben für maschinelle Übersetzung teilgenommen haben. Die Basissysteme sind auf SYSTRAN-Regeln basierende maschinelle Übersetzungssysteme, die durch verschiedene statistische Techniken ergänzt werden. Basierend auf den Übersetzungen der regelbasierten Systeme führten wir statistische Nachbearbeitung mit den zur Verfügung gestellten bilingualen und einsprachigen Trainingsgesellschaften durch. In ... Fortsetzung

Jin Yang, Satoshi Enoue, Jean Senellart

Konvergenz von Translation Memory und statistischer maschineller Übersetzung [PDF]

Wir stellen zwei Methoden vor, die Ideen aus der statistischen maschinellen Übersetzung (SMT) und Translation Memories (TM) zusammenführen. Wir verwenden ein TM zum Abrufen von Übereinstimmungen für Quellsegmente und ersetzen die nicht übereinstimmenden Teile durch Anweisungen an ein SMT-System, um die Lücke zu füllen. Wir zeigen, dass bei Fuzzy Matches über 70% eine Methode beide übertrifft... Fortsetzung

Philipp Koehn: Jean Senellart