Ein effizientes maschinelles Übersetzungsmodell für dravidische Sprachen

In einem multilingualen diversitätsreichen Land wie Indien spielt die Sprachübersetzung eine bedeutende Rolle im Bereich der Textverarbeitungsanwendungen wie Informationsgewinnung, maschinelles Lernen, natürliche Sprachverarbeitung, Informationsretrieval und maschinelle Übersetzung. Es gibt viele Herausforderungen und Probleme bei der Übersetzung zwischen Sprachen, insbesondere der dravidischen Sprachen, wie Mehrdeutigkeiten, lexikalische Divergenz, syntaktische, lexikalische Fehlanpassungen und semantische Probleme usw. Das n-Gramm-Sprachmodell (LM) funktioniert bei maschinellen Übersetzungen sehr gut. Der bestehende Ansatz ist jedoch nicht effizient bei der Generierung von n-Gramm aus großen bilingualen parallelen Korpora. Die meisten bestehenden Ansätze beschränken sich auf monolinguale, um redundante n-Gramm zu minimieren. Um dies zu überwinden, präsentiert diese Arbeit ein effizientes maschinelles Übersetzungsmodell unter Verwendung von Techniken des maschinellen Lernens. Bisherige Arbeiten haben die maschinelle Übersetzung von Kannada und Telugu nicht berücksichtigt. Die Experimente, die mit dem Wikipedia-Datensatz durchgeführt wurden, zeigen eine signifikante Leistung in Bezug auf Genauigkeit und rechnerische Komplexität der Ausrichtung unter Berücksichtigung verschiedener Schwellenwerte.