Die \u00fcberwachte maschinelle \u00dcbersetzung funktioniert gut, wenn Zug- und Testdaten aus derselben Verteilung abgetastet werden. Ist dies nicht der Fall, tragen Anpassungstechniken dazu bei, dass sich das aus nicht dom\u00e4nengebundenen Texten erlernte Wissen zu dom\u00e4neninternen S\u00e4tzen verallgemeinert. Wir untersuchen hier eine verwandte Umgebung, die Anpassung an mehrere Bereiche, in der die Anzahl der Bereiche potenziell gro\u00df ist und eine separate Anpassung an jeden Bereich Schulungsressourcen verschwenden w\u00fcrde. Unser Vorschlag \u00fcbertr\u00e4gt die Funktionserweiterungstechnik von Daum\u2019{e} III, 2007, auf die neuronale maschinelle \u00dcbersetzung: Es isoliert dom\u00e4nenunabh\u00e4ngige von dom\u00e4nenspezifischen lexikalischen Darstellungen und teilt den gr\u00f6\u00dften Teil des Netzwerks \u00fcber Domains hinweg. Unsere Experimente verwenden zwei Architekturen und zwei Sprachpaare: Sie zeigen, dass unser Ansatz, obwohl einfach und rechnerisch kosteng\u00fcnstig, mehrere starke Baselines \u00fcbertrifft und ein Multi-Domain-System liefert, das erfolgreich Texte aus verschiedenen Quellen \u00fcbersetzt.<\/p>","protected":false},"excerpt":{"rendered":"
Die \u00fcberwachte maschinelle \u00dcbersetzung funktioniert gut, wenn Zug- und Testdaten aus derselben Verteilung abgetastet werden. Wenn dies nicht der Fall ist, tragen Anpassungstechniken dazu bei, dass das Wissen, das von au\u00dferhalb des Bereichs liegenden Texten gelernt wird, zu innerhalb des Bereichs liegenden S\u00e4tzen verallgemeinert wird. Wir untersuchen hier eine verwandte Einstellung, Multi-Domain-Anpassung, wo die Anzahl der Dom\u00e4nen ist potenziell gro\u00df und ... Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3282","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/3282","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=3282"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}