MonoTrans: Statistical Machine Translation from Monolingual Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10372173" target="_blank" >RIV/00216208:11320/17:10372173 - isvavai.cz</a>

Výsledek na webu

<a href="http://ceur-ws.org/Vol-1885/201.pdf" target="_blank" >http://ceur-ws.org/Vol-1885/201.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

MonoTrans: Statistical Machine Translation from Monolingual Data

Popis výsledku v původním jazyce

We present MonoTrans, a statistical machine translation system which only uses monolingual source language and target language data, without using any parallel corpora or language-specific rules. It translates each source word by the most similar target word, according to a combination of a string similarity measure and a word frequency similarity measure. It is designed for translation between very close languages, such as Czech and Slovak or Danish and Norwegian. It provides a low-quality translation in resource-poor scenarios where parallel data, required for training a high-quality translation system, may be scarce or unavailable. This is useful e.g. for cross-lingual NLP, where a trained model may be transferred from a resource-rich source language to a resource-poor target language via machine translation. We evaluate MonoTrans both intrinsically, using BLEU, and extrinsically, applying it to cross-lingual tagger and parser transfer. Although it achieves low scores, it does surpass the baselines

Název v anglickém jazyce

MonoTrans: Statistical Machine Translation from Monolingual Data

Popis výsledku anglicky

We present MonoTrans, a statistical machine translation system which only uses monolingual source language and target language data, without using any parallel corpora or language-specific rules. It translates each source word by the most similar target word, according to a combination of a string similarity measure and a word frequency similarity measure. It is designed for translation between very close languages, such as Czech and Slovak or Danish and Norwegian. It provides a low-quality translation in resource-poor scenarios where parallel data, required for training a high-quality translation system, may be scarce or unavailable. This is useful e.g. for cross-lingual NLP, where a trained model may be transferred from a resource-rich source language to a resource-poor target language via machine translation. We evaluate MonoTrans both intrinsically, using BLEU, and extrinsically, applying it to cross-lingual tagger and parser transfer. Although it achieves low scores, it does surpass the baselines

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

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

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 17th conference ITAT 2017: Slovenskočeský NLP workshop (SloNLP 2017)

ISBN

978-1-974274-74-1

ISSN

1613-0073

e-ISSN

neuvedeno

Počet stran výsledku

8

Strana od-do

201-208

Název nakladatele

CreateSpace Independent Publishing Platform

Místo vydání

Praha, Czechia

Místo konání akce

Martinské hole, Malá Fatra, Slovakia

Datum konání akce

23. 9. 2017

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—