Key points are not available for this paper at this time.
لقد أثبت إطار العمل الخاص بالترميز والفك التلقائي لترجمة الآلة العصبية (NMT) فعاليته في سيناريوهات البيانات الكبيرة، لكنه أقل فعالية بكثير للغات ذات الموارد القليلة. نقدم طريقة تعليم النقل التي تحسن بشكل ملحوظ درجات BLEU عبر مجموعة من اللغات منخفضة الموارد. فكرتنا الرئيسية هي تدريب زوج لغات عالي الموارد أولاً (نموذج الوالد)، ثم نقل بعض المعلمات المتعلمة إلى زوج الموارد المنخفضة (نموذج الطفل) لتهيئة وتقيد التدريب. باستخدام طريقة تعلم النقل الخاصة بنا، قمنا بتحسين نماذج NMT الأساسية بمتوسط 5.6 BLEU على أربعة أزواج لغات ذات موارد منخفضة. الإضافات والتعويض عن الكلمات غير المعروفة تضيف 2 BLEU أخرى، مما يقرب أداء NMT في ترجمة الآلة منخفضة الموارد من نظام ترجمة آلية قائم على القواعد القوية (SBMT)، متجاوزًا أداؤه على زوج لغوي واحد. بالإضافة إلى ذلك، باستخدام نموذج تعلم النقل لإعادة التقييم، يمكننا تحسين نظام SBMT بمتوسط 1.3 BLEU، مما يحسن الحالة الراهنة في ترجمة الآلة منخفضة الموارد.
أجرى دراسة في يوم الجمعة، تناولت هذا السؤال.