Sampling and Filtering of Neural Machine Translation Distillation Data
The result's identifiers
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>
Alternative languages
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
—
Classification
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)
Result continuities
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)
Others
Publication year
2021
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
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
—