通过非平行 corpora 改进低资源语言的神经机器翻译:从埃及方言到现代标准阿拉伯语翻译的案例研究

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.
• 人工智能的人工智能

背景情况:

• 对于低资源语言的机器翻译面临着数据稀缺的挑战.
• 无监督学习提供了一个有希望的途径,通过减少对并行企业的依赖.
• 与现代标准阿拉伯语相比,阿拉伯方言,尤其是埃及方言,存在独特的翻译困难.

研究的目的:

• 研究埃及阿拉伯语到现代标准阿拉伯语的半监督神经机器翻译 (NMT).
• 用有限的并行和单语言数据评估不同的NMT方法的有效性.
• 为了比较监督,无监督和半监督的NMT系统用于方言阿拉伯语翻译.

主要方法:

• 利用了对齐的埃及阿拉伯语和现代标准阿拉伯语句子的并行数据集.
• 使用埃及阿拉伯单语言数据集,没有直接目标语言对齐.
• 开发并比较了三个NMT系统:基于注意力的序列对序列,无监督变压器和混合监督-无监督方法.

主要成果:

• 基于注意力的模型利用了共享的词汇来改善词语嵌入.
• 无监督变压器模型仅使用单语言数据证明了翻译能力.
• 混合系统将监督的预培训与随后的单语言数据集成相结合.

结论:

• 半监督和无监督的方法显示了低资源方言机器翻译的潜力.
• 方法的选择影响基于数据可用性的翻译性能.
• 进一步的研究可以优化这些方法,以获得更广泛的方言覆盖范围和更高的准确性.