一项二次性研究,确定乌尔都语-英语神经机器翻译的语法和语义特征
Tamkeen Zehra Shah1, Muhammad Imran2, Sayed M Ismail3
1Institute of Space Technology, Islamabad, Pakistan.
Heliyon
|January 1, 2024
概括
这是谷歌翻译.
科学领域:
- 计算语言学 计算语言学
- 自然语言处理自然语言处理.
- 机器翻译 机器翻译
背景情况:
- 机器翻译 (MT) 与低资源语言扎.
- 深度学习模型旨在随着时间的推移提高MT准确性.
- 乌尔都语到英语翻译的准确性需要纵向评估.
研究的目的:
- 评估从2018年到2021年谷歌翻译的乌尔都语到英语输出的演变.
- 确定乌尔都语到英语神经机器翻译 (NMT) 的特定语言挑战.
主要方法:
- 纵向研究分析谷歌翻译的乌尔都语到英语输出.
- 准确性和可接受性通过线际光评估.
- 与源文本对翻译文本属性的描述性比较.
主要成果:
- 在三年间观察到持续的50%的错误率.
- 总体来说,翻译的可理解性得到了显著的改善.
- 2018年初始结果显示了许多非本地化错误,这些错误随着时间的推移而减少.
结论:
- 乌尔都语的pro-drop功能,case标记,句子界限,多语法和类似的拼写构成了NMT的主要挑战.
- 将语法信息纳入培训数据对于改善乌尔都语到英语MT至关重要.
- 尽管存在持续的错误,但翻译的可理解性显著提高.
相关概念视频
02:07Improving Translational Accuracy
2.6K
2.6K
01:27Language and Cognition
348
Language serves as a bridge between ideas and communication, influencing how individuals perceive and interact with the world. Psychologists have long debated whether language shapes thought or vice versa. This discussion gained grip with Edward Sapir and Benjamin Lee Whorf in the 1940s, who proposed that language determines thought, a concept known as linguistic determinism. They suggested that the vocabulary and structure of a language influence how its speakers think and perceive reality.
348