Dieses Dokument beschreibt die Systeme von SYSTRAN, die bei der gemeinsamen Nachrichten\u00fcbersetzungsaufgabe WMT 2017 f\u00fcr Englisch-Deutsch eingereicht wurden, in beiden \u00dcbersetzungsrichtungen. Unsere Systeme basieren auf OpenNMT1, einem OpenSource neuronalen maschinellen \u00dcbersetzungssystem, das Sequenz-zu-Sequenz-Modelle mit LSTM-Encodern\/Decodern und Aufmerksamkeit implementiert. Wir experimentierten mit einsprachigen Daten, die automatisch r\u00fcck\u00fcbersetzt wurden. Unsere resultierenden Modelle sind weiter hyperspezialisiert mit einer Anpassungstechnik, die Modelle fein auf die Auswertungstests\u00e4tze abstimmt.<\/p>","protected":false},"excerpt":{"rendered":"
In diesem Beitrag werden die Systeme beschrieben, die SYSTRAN bei der WMT 2017 f\u00fcr die \u00dcbersetzung englisch-deutscher Nachrichten eingereicht hat, und zwar in beiden \u00dcbersetzungsrichtungen. Unsere Systeme werden mit OpenNMT1, einem OpenSource-System f\u00fcr neuronale maschinelle \u00dcbersetzung, erstellt, das Sequence-to-Sequence-Modelle mit LSTM-Encoder\/-Decoder und Aufmerksamkeit implementiert. Wir experimentierten mit der automatischen R\u00fcck\u00fcbersetzung einsprachiger Daten. Unsere daraus resultierenden Modelle sind weiter hyperspezialisiert mit einem... Fortsetzung<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3296","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/de\/wp-json\/wp\/v2\/paper\/3296","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=3296"}],"curies":[{"name":"WP","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}