Key points are not available for this paper at this time.
本論文は、関連するフレーズの共有を可能にする分散的性質を持つ連続フレーズ表現を学習することによって、フレーズ翻訳確率の推定におけるスパース性問題に取り組んでいます。一対のソースフレーズとターゲットフレーズは、低次元の潜在空間における連続値ベクトル表現に射影され、新しい空間における対の距離により翻訳スコアが計算されます。射影は、並列訓練データで学習された重みを持つニューラルネットワークによって行われます。実験評価は、2つのWMT翻訳タスクで実施されました。私たちの最良の結果は、WMT 2012のフランス語-英語データで訓練された最先端のフレーズベースの統計機械翻訳システムの性能を最大1.3 BLEUポイント向上させます。1
Gao et al. (Wed,) がこの問題を研究しました。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: