{"id":1699,"date":"2022-12-13T03:04:08","date_gmt":"2022-12-13T02:04:08","guid":{"rendered":"https:\/\/www.systransoft.com\/papers\/maxime-sit-quis-dolore-rerum-ea\/"},"modified":"2023-11-16T18:22:31","modified_gmt":"2023-11-16T17:22:31","slug":"non-autoregressive-machine-translation-with-translation-memories","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/non-autoregressive-machine-translation-with-translation-memories\/","title":{"rendered":"Nicht autoregressive maschinelle \u00dcbersetzung mit Translation Memories"},"content":{"rendered":"Die nicht autoregressive maschinelle \u00dcbersetzung (NAT) hat in letzter Zeit gro\u00dfe Fortschritte gemacht. Die meisten bisherigen Arbeiten konzentrieren sich jedoch auf Standard\u00fcbersetzungsaufgaben, auch wenn einige editbasierte NAT-Modelle, wie der Levenstein Transformer (LevT), gut geeignet scheinen, um mit einem Translation Memory (TM) zu \u00fcbersetzen. Dies ist das Szenario, das hier betrachtet wird. Zun\u00e4chst analysieren wir das Vanille LevT Modell und erkl\u00e4ren, warum es in dieser Einstellung nicht gut funktioniert. Wir schlagen dann eine neue Variante vor, TM-LevT, und zeigen, wie man dieses Modell effektiv trainiert. Durch Modifizierung der Datendarstellung und Einf\u00fchrung einer zus\u00e4tzlichen L\u00f6schoperation erhalten wir eine Leistung, die einem autoregressiven Ansatz entspricht, w\u00e4hrend die Decodierungslast reduziert wird. Wir zeigen au\u00dferdem, dass die Integration von TMs in die Schulung die Wissensdestillation erm\u00f6glicht. Dies ist ein bekannter Trick, um das Problem der Multimodalit\u00e4t zu l\u00f6sen.","protected":false},"excerpt":{"rendered":"<p>Die nicht autoregressive maschinelle \u00dcbersetzung (NAT) hat in letzter Zeit gro\u00dfe Fortschritte gemacht. Die meisten bisherigen Arbeiten konzentrieren sich jedoch auf Standard\u00fcbersetzungsaufgaben, auch wenn einige editbasierte NAT-Modelle, wie der Levenstein Transformer (LevT), gut geeignet scheinen, um mit einem Translation Memory (TM) zu \u00fcbersetzen. Dies ist das Szenario, das hier betrachtet wird. Zuerst analysieren wir das Vanille LevT Modell... <a href=\"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/non-autoregressive-machine-translation-with-translation-memories\/\">Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-1699","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/1699","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=1699"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}