Sampling and Filtering of Neural Machine Translation Distillation Data

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F21%3A10440590" target="_blank" >RIV/00216208:11320/21:10440590 - isvavai.cz</a>

Result on the web

<a href="https://aclanthology.org/2021.naacl-srw.1.pdf" target="_blank" >https://aclanthology.org/2021.naacl-srw.1.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2021.naacl-srw.1" target="_blank" >10.18653/v1/2021.naacl-srw.1</a>

Result language

angličtina

Original language name

Sampling and Filtering of Neural Machine Translation Distillation Data

Original language description

Ve většině scénářů destilace nebo krádeže neuronových strojových překladů se k výcviku nového modelu (studenta) používá hypotéza s nejvyšším bodovým ohodnocením cílového modelu (učitele). Jsou-li k dispozici i referenční překlady, pak lze lepší hypotézy (s ohledem na odkazy) přetížit a špatné hypotézy buď odstranit, nebo podtrhnout. Tento dokument zkoumá prostředí metody odběru vzorků (prořezávání, hypotetické nadměrné vzorkování a nedostatečné vzorkování, deduplikace a jejich kombinace) s anglickými až českými a anglickými až německými modely MT pomocí standardních metrik hodnocení MT. Ukazujeme, že pečlivé nadměrné vzorkování a kombinace s původními údaji vede k lepším výsledkům ve srovnání se školením pouze o původních nebo syntetizovaných údajích nebo jejich přímé kombinaci.

Czech name

—

Czech description

—

Type

D - Article in proceedings

CEP classification

—

OECD FORD branch

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Project

<a href="/en/project/GX19-26934X" target="_blank" >GX19-26934X: Neural Representations in Multi-modal and Multi-lingual Modeling</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2021

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Student Research Workshop

ISBN

978-1-954085-50-3

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

1-8

Publisher name

Association for Computational Linguistics

Place of publication

Stroudsburg, USA

Event location

Online

Event date

Jun 6, 2021

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—