Die Studie untersucht den Einsatz von Techniken der Neuronalen Maschinellen Übersetzung (NMT) zur Entwicklung automatischer Übersetzungssysteme zwischen Deutsch und Bairisch, einer Sprache mit geringen Ressourcen.
Zunächst wird ein einfaches Transformer-Modell als Baseline-System trainiert. Anschließend wird Back-translation angewendet, um den Trainingsdatensatz zu erweitern. Schließlich wird ein Transfer-Learning-Ansatz mit Deutsch-Französisch als Elternmodell getestet.
Die Evaluierung erfolgt anhand einer Kombination von BLEU, chrF und TER-Metriken. Die statistischen Signifikanztests zeigen, dass die Baseline-Systeme überraschend gut abschneiden und Back-translation zu einer signifikanten Verbesserung führt. Darüber hinaus wird eine qualitative Analyse der Übersetzungsfehler und Systemlimitationen präsentiert.
Die Ergebnisse deuten darauf hin, dass die Ähnlichkeit zwischen den Quell- und Zielsprachen einen positiven Einfluss auf die Übersetzungsqualität hat. Back-translation trägt ebenfalls signifikant zur Verbesserung bei, während der Transfer-Learning-Ansatz zwar Verbesserungen zeigt, aber nicht an die anderen Systeme heranreicht.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Wan-Hua Her,... alle arxiv.org 04-15-2024
https://arxiv.org/pdf/2404.08259.pdfDomande più approfondite