搜索结果: 1-15 共查到“机器翻译”相关记录248条 . 查询时间(0.387 秒)
本发明公开了一种基于残差修剪的跨语言机器翻译方法、装置、电子设备及存储介质。该方法获取多语言数据集，对所述数据集进行预处理和数据集划分；将预处理得到的数据进行目标语言标记并利用Fairseq对训练集和验证集进行二值化处理；将二值化后的数据输入经过残差修剪的编码器进行编码训练；将编码器输出的高维向量表示利用解码器进行解码生成目标语言语句，实现最终的非平行语言间的翻译。本发明通过修剪残差连接的方式，有...
本发明公开了一种基于词向量替换数据增强的机器翻译模型训练方法、装置、电子设备及存储介质，具体实现方案为：获取训练样本数据集；对所述的样本数据集进行预处理。针对已有的源语言或目标语言语料，分别训练基于Transformer结构的正向语言模型和逆向语言模型；通过正向语言模型、逆向语言模型来获得句子中任意位置的词在整个词表上的概率分布；根据概率分布以及整个词表的词向量来确定最终词向量，利用最终词向量替换...
基于跨模态实体信息融合的神经机器翻译方法
实体重构 跨模态学习 多任务学习 多模态机器翻译
2024/1/16
现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合语义的问题.针对这些问题,提出了一种跨模态实体重构(Cross-modal entity reconstruction,CER)方法.区别于将完整...
中国科学院声学研究所专利：利用语句结构信息的机器翻译自动评测系统及实现方法
Native speakers often dominate the discussion in multilingual online meetings, but adding an automated participant that periodically interrupts the conversation can help nonnative speakers get a word ...
近日，国际电气和电子工程师协会（IEEE）公布了新一届Fellow名单。实验室宗成庆研究员因其对机器翻译和自然语言处理的贡献当选IEEE Fellow。
“细粒度英汉机器翻译错误分析语料库”的构建与思考
机器翻译 错误分析 错误标注 译后编辑
2022/3/24
机器翻译错误分析旨在找出机器译文中存在的错误，包括错误类型、错误分布等，它在机器翻译研究和应用中发挥着重要作用。该文将人工译后编辑与错误分析结合起来，对译后编辑操作进行错误标注，采用自动标注和人工标注相结合的方法，构建了一个细粒度英汉机器翻译错误分析语料库，其中每一个标注样本包括源语言句子、机器译文、人工参考译文、译后编辑译文、词错误率和错误类型标注；标注的错误类型包括增词、漏词、错词、词序错误、...
中国科学院宗成庆研究员当选 ACL Fellow（图）
国际计算语言学学会会士 宗成庆 机器翻译
2022/9/5
2022年1月6日,国际计算语言学学会(Association for Computational Linguistics,ACL)公布了2021年度新增选的会士(Fellow)名单。宗成庆研究员因在机器翻译和情感分析领域的卓越成就和对中国自然语言处理技术发展做出的贡献当选ACL Fellow。
在人工智能时代,神经机器翻译技术的迅猛发展对语言服务行业和翻译教育领域产生了巨大影响,学生译者译后编辑能力的培养成为翻译教育的重要内容。面对语言服务市场巨大的人才需求和译后编辑人才供应严重不足之间的矛盾,如何创新培养模式,以培养出符合市场需求的译后编辑人才,是翻译教育亟需解决的问题。本文探索了以图书翻译项目为驱动、基于“计算机辅助翻译+机器翻译+译后编辑”（CAT+MT+PE）的师生协同翻译译后编...
陈瑞清：后疫情及AI时代下的翻译实践与教学（图）
后疫情 AI时代 翻译实践
2022/6/15
2021年12月4日，复旦大学外国语言文学学院翻译系举办了“后疫情及AI时代下的翻译实践与教学”讲座。活动由明德大学蒙特雷国际研究学院教授暨中英口笔译硕士课程部主任陈瑞清主讲，翻译系副教授王炎强主持。
基于混合生成对抗网络的多视角图像生成算法
深度学习 计算机视觉 图像翻译 多视角图像生成
2024/1/18
多视角图像生成即基于某个视角图像生成其他多个视角图像,是多视角展示和虚拟现实目标建模等领域的基本问题,已引起研究人员的广泛关注.近年来,生成对抗网络(Generative adversarial network,GAN)在多视角图像生成任务上取得了不错的成绩,但目前的主流方法局限于固定领域,很难迁移至其他场景,且生成的图像存在模糊、失真等弊病.为此本文提出了一种基于混合对抗生成网络的多视角图像生成...
无监督图像翻译使用非配对训练数据能够完成图像中对象变换、季节转移、卫星与路网图相互转换等多种图像翻译任务.针对基于生成对抗网络(Generative adversarial network,GAN)的无监督图像翻译中训练过程不稳定、无关域改变较大而导致翻译图像细节模糊、真实性低的问题,本文基于对偶学习提出一种融合自注意力机制和相对鉴别的无监督图像翻译方法.首先,生成器引入自注意力机制加强图像生成过...
王斯日古楞，博士，教授，硕士生导师。1993年从辽宁大学计算机系软件专业毕业,获得理学学士学位。1999-2002年在内蒙古大学计算机学院攻读计算机应用专业硕士研究生，获得工学硕士学位。 2005-2010年在内蒙古大学蒙古学学院攻读博士研究生，获得少数民族语言文学专业蒙古文信息处理方向的博士学位。多年来一直从事蒙古文信息处理和机器翻译方向的研究工作。主持完成国家自然科学基金项目2项，内蒙古自然科...
作为目前主流翻译方法的神经网络机器翻译已经取得了很大突破,在很多具有丰富数据资源的语言上的翻译质量也不断得到改善,但对于稀缺资源语言的翻译效果却仍然并不理想.稀缺资源语言机器翻译是目前机器翻译领域的重要研究热点之一,近几年来吸引了国内外的广泛关注.本文对稀缺资源语言机器翻译的研究进行比较全面的回顾,首先简要介绍了与稀缺资源语言翻译相关的学术活动和数据集,然后重点梳理了目前主要的研究方法和一些研究结...
成都理工大学信息科学与技术学院硕士生导师胡艳梅副教授（图）
成都理工大学信息科学与技术学院 硕士生导师 胡艳梅 副教授 社会网络 数据挖掘 机器学习
2020/9/21
胡艳梅，女，副教授，2016年毕业于电子科技大学，工学博士，硕士生导师。从事数据挖掘和机器学习相关方面的教学和研究工作，主要研究方向为社会网络的挖掘和分析。中国计算机学会协同计算专委员会委员，担任ChineseCSCW会议程序委员会委员，SCI期刊IEEE Access特刊“recent computational methods in Knowledge Engineering and Inte...