Odborná definícia
Odborná definícia
Zero-resource machine translation označuje preklad medzi zdrojovým a cieľovým jazykom bez priameho paralelného korpusu pre daný jazykový pár. Systém môže využiť pivotný jazyk, viacjazyčný model, monolingválne korpusy, spätný preklad, spoločný subword priestor alebo lexikálne zarovnanie. V prísnom zero-resource nastavení neexistujú párové vety pre cieľovú dvojicu, no model stále využíva dáta v jednotlivých jazykoch alebo v iných pároch. Kvalitu obmedzuje doména, písmo, typologická vzdialenosť a nerovnováha zdrojov.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Ak nemáte preložené vety medzi slovenčinou a vzdialeným málo zastúpeným jazykom, model sa môže učiť oba jazyky cez angličtinu alebo z veľkých samostatných textov. Potom sa pokúsi vytvoriť spoločný významový priestor a prekladať priamo. Výsledok môže zachovať všeobecný význam, ale zlyhať pri menách, gramatických kategóriách a kultúrnych pojmoch. Automatické metriky navyše nemusia odhaliť systematické poškodenie menšinového jazyka, preto je dôležitá revízia rodenými hovoriacimi.
Časté otázky
Časté otázky
Je pivotný preklad skutočne zero-resource?
Pre priamy pár áno, ak neexistujú jeho paralelné dáta. Systém však využíva paralelné korpusy cez tretí jazyk, takže nejde o učenie bez zdrojov všeobecne.
Čo je unsupervised machine translation?
Metódy sa učia z monolingválnych korpusov bez paralelných viet, často cez spoločné reprezentácie, denoising a iteratívny spätný preklad.
Prečo je dôležitá typologická blízkosť?
Podobné slovosledy, morfológia alebo zdieľané písmo uľahčujú zarovnanie. Pri vzdialených jazykoch je prenos slabší a chybové vzory odlišné.
Ako sa hodnotí nízkozdrojový jazyk?
Okrem automatických metrík treba ľudské hodnotenie významu, plynulosti, terminológie, mien a spoločensky citlivých skreslení.
Môže veľký viacjazyčný model úlohu vyriešiť automaticky?
Môže poskytnúť silný baseline, ale jazyky s malým zastúpením často trpia negatívnym transferom, halucináciami a nestabilnou ortografiou.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- Lample et al., Unsupervised Machine Translation
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.