{"id":1702,"date":"2022-06-11T10:17:59","date_gmt":"2022-06-11T08:17:59","guid":{"rendered":"https:\/\/www.systransoft.com\/papers\/et-ut-non-rerum-nobis\/"},"modified":"2023-11-16T18:21:30","modified_gmt":"2023-11-16T17:21:30","slug":"et-ut-non-rerum-nobis","status":"publish","type":"paper","link":"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/et-ut-non-rerum-nobis\/","title":{"rendered":"Mehrdom\u00e4nenanpassung in der neuronalen maschinellen \u00dcbersetzung mit dynamischen Abtaststrategien"},"content":{"rendered":"Der Aufbau effektiver neuronaler maschineller \u00dcbersetzungsmodelle erfordert h\u00e4ufig die Unterbringung unterschiedlicher S\u00e4tze heterogener Daten, um die Leistung f\u00fcr die interessierenden Bereiche zu optimieren. Solche Multi-Source-\/Multi-Domain-Anpassungsprobleme werden typischerweise durch Instanzenauswahl- oder Regewichtungsstrategien angegangen, die auf einer statischen Bewertung der Relevanz von Trainingsinstanzen in Bezug auf die jeweilige Aufgabe basieren. In diesem Artikel untersuchen wir Strategien zur dynamischen Datenauswahl, die in der Lage sind, den Nutzen von Datenproben automatisch neu zu bewerten und im Laufe der Schulung eine Richtlinie zur Datenauswahl zu entwickeln. Auf der Grundlage der Ergebnisse mehrerer Experimente zeigen wir, dass solche Methoden einen allgemeinen Rahmen bilden, um eine Vielzahl von realen Situationen automatisch und effektiv zu bew\u00e4ltigen, von der Domain-Anpassung an mehrere Quellen bis hin zum Multi-Domain-Lernen und der unbeaufsichtigten Domain-Anpassung.","protected":false},"excerpt":{"rendered":"<p>Der Aufbau effektiver neuronaler maschineller \u00dcbersetzungsmodelle erfordert h\u00e4ufig die Verwendung unterschiedlicher S\u00e4tze heterogener Daten, um die Leistung f\u00fcr die Bereiche von Interesse zu optimieren. Solche Multi-Source-\/Multi-Domain-Anpassungsprobleme werden typischerweise durch Instanzenauswahl- oder Regewichtungsstrategien angegangen, basierend auf einer statischen Bewertung der Relevanz von Trainingsinstanzen in Bezug auf die Aufgabe... <a href=\"https:\/\/www.systransoft.com\/de\/ressourcen\/papers-and-publications\/et-ut-non-rerum-nobis\/\">Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-1702","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/1702","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=1702"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}