Key points are not available for this paper at this time.
في السنوات الأخيرة، استفادت محركات الترجمة الآلية من كل من النماذج الإحصائية التقليدية والنماذج الأحدث من الشبكات العصبية، محققة تحسينات كبيرة في جودة الترجمة من خلال استخدام مجموعات بيانات واسعة النطاق وعالية الجودة. وقد أدت هذه التقدمات إلى تحسينات مستمرة في جودة الترجمة للغات ذات الموارد العالية. ومع ذلك، لا يزال أداء الترجمة للغات ذات الموارد القليلة غير مثالي، وذلك بشكل رئيسي بسبب صعوبة الحصول على مجموعات بيانات مزدوجة لغوية متوازية واسعة النطاق اللازمة لتدريب نماذج الشبكات العصبية. يهدف هذه الدراسة إلى تعزيز جودة الترجمة الآلية للغات ذات الموارد القليلة من خلال استخدام نماذج لغوية كبيرة، واستكشاف طرق مختلفة لتحسين جودة الترجمة، وتقييم فعاليتها. على وجه الخصوص، تركز الأبحاث على مقارنة فعالية هاتين الطريقتين من خلال التقييم البشري باستخدام إطار عمل مقاييس الجودة متعددة الأبعاد (MQM).
درس جينيي تشي (سون) هذا السؤال.