Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

CUNI Submissions in WMT18

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F18%3A10390165" target="_blank" >RIV/00216208:11320/18:10390165 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.statmt.org/wmt18/pdf/WMT043.pdf" target="_blank" >http://www.statmt.org/wmt18/pdf/WMT043.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    CUNI Submissions in WMT18

  • Popis výsledku v původním jazyce

    We participated in the WMT 2018 shared news translation task in three language pairs: English-Estonian, English-Finnish, and English-Czech. Our main focus was the lowresource language pair of Estonian and English for which we utilized Finnish parallel data in a simple method. We first train a &quot;parent model&quot; for the high-resource language pair followed by adaptation on the related lowresource language pair. This approach brings a substantial performance boost over the baseline system trained only on Estonian-English parallel data. Our systems are based on the Transformer architecture. For the English to Czech translation, we have evaluated our last year models of hybrid phrase-based approach and neural machine translation mainly for comparison purposes.

  • Název v anglickém jazyce

    CUNI Submissions in WMT18

  • Popis výsledku anglicky

    We participated in the WMT 2018 shared news translation task in three language pairs: English-Estonian, English-Finnish, and English-Czech. Our main focus was the lowresource language pair of Estonian and English for which we utilized Finnish parallel data in a simple method. We first train a &quot;parent model&quot; for the high-resource language pair followed by adaptation on the related lowresource language pair. This approach brings a substantial performance boost over the baseline system trained only on Estonian-English parallel data. Our systems are based on the Transformer architecture. For the English to Czech translation, we have evaluated our last year models of hybrid phrase-based approach and neural machine translation mainly for comparison purposes.

Klasifikace

  • 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)

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the Third Conference on Machine Translation, Volume 2: Shared Tasks

  • ISBN

    978-1-948087-81-0

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    7

  • Strana od-do

    435-441

  • Název nakladatele

    Association for Computational Linguistics

  • Místo vydání

    Stroudsburg, PA, USA

  • Místo konání akce

    Bruxelles, Belgium

  • Datum konání akce

    31. 10. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku