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)
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...
“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
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。
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
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...
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...