{"id":1697,"date":"2020-07-02T10:08:48","date_gmt":"2020-07-02T08:08:48","guid":{"rendered":"https:\/\/www.systransoft.com\/papers\/porro-in-qui-porro-ullam-adipisci-rem\/"},"modified":"2023-11-16T18:18:47","modified_gmt":"2023-11-16T17:18:47","slug":"porro-in-qui-porro-ullam-adipisci-rem","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/porro-in-qui-porro-ullam-adipisci-rem\/","title":{"rendered":"F\u00f6rderung der neuronalen maschinellen \u00dcbersetzung mit \u00e4hnlichen \u00dcbersetzungen"},"content":{"rendered":"In dieser Pr\u00e4sentation werden Methoden zur Datenerh\u00f6hung f\u00fcr die Neural Machine Translation vorgestellt, um \u00e4hnliche \u00dcbersetzungen zu verwenden, w\u00e4hrend ein menschlicher \u00dcbersetzer Fuzzy Matches auf vergleichbare Weise verwendet. Wir zeigen, wie wir das neuronale Modell einfach mit Informationen auf Quell- und Zielseite der Fuzzy Matches f\u00fcttern, und wir erweitern die \u00c4hnlichkeit auch um semantisch verwandte \u00dcbersetzungen, die mithilfe verteilter Satzdarstellungen abgerufen werden. Wir zeigen, dass \u00dcbersetzungen, die auf Fuzzy Matching basieren, dem Modell \u201eKopierinformationen\u201c liefern, w\u00e4hrend \u00dcbersetzungen, die auf Einbettungs\u00e4hnlichkeiten basieren, dazu neigen, den \u201eKontext\u201c der \u00dcbersetzung zu erweitern. Die Ergebnisse zeigen, dass die Effekte beider \u00e4hnlicher S\u00e4tze sich addieren, um die Genauigkeit weiter zu erh\u00f6hen, sich nat\u00fcrlich mit der Modellfeinabstimmung kombinieren und eine dynamische Anpassung f\u00fcr unsichtbare \u00dcbersetzungspaare bieten. Tests an mehreren Datens\u00e4tzen und Dom\u00e4nen zeigen konsistente Verbesserungen bei der Genauigkeit.\u201c, Boosting neuronal machine translation with similar translations","protected":false},"excerpt":{"rendered":"<p>In dieser Pr\u00e4sentation werden Methoden zur Datenaugmentierung bei der neuronalen maschinellen \u00dcbersetzung vorgestellt, um \u00e4hnliche \u00dcbersetzungen in vergleichbarer Weise zu nutzen, wie ein menschlicher \u00dcbersetzer Fuzzy Matches verwendet. Wir zeigen, wie wir das neuronale Modell einfach mit Informationen sowohl \u00fcber die Quell- als auch \u00fcber die Zielseite der Fuzzy-Matches f\u00fcttern, und wir erweitern die \u00c4hnlichkeit um ... <a href=\"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/porro-in-qui-porro-ullam-adipisci-rem\/\">Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-1697","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/1697","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/media?parent=1697"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}