Fine-Grained Language Relatedness for Zero-Shot Silesian-English Translation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F23%3A00136158" target="_blank" >RIV/00216224:14330/23:00136158 - isvavai.cz</a>

Výsledek na webu

<a href="https://nlp.fi.muni.cz/raslan/raslan23.pdf#page=153" target="_blank" >https://nlp.fi.muni.cz/raslan/raslan23.pdf#page=153</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Fine-Grained Language Relatedness for Zero-Shot Silesian-English Translation

Popis výsledku v původním jazyce

When parallel corpora are not available to train or fine-tune Machine Translation (MT) systems, one solution is to use data from a related language, and operate in a zero-shot setting. We explore the behaviour and performance of two pre-trained Large Language Models (LLMs) for zero-shot Silesian-English translation, by fine-tuning them on increasingly related languages. Our experiment shows that using data from related languages generally improves the zero-shot translation performance for our language pair, but the optimal fine-grained choice inside the Slavic language family is non-trivial and depends on the model characteristics.

Název v anglickém jazyce

Fine-Grained Language Relatedness for Zero-Shot Silesian-English Translation

Popis výsledku anglicky

When parallel corpora are not available to train or fine-tune Machine Translation (MT) systems, one solution is to use data from a related language, and operate in a zero-shot setting. We explore the behaviour and performance of two pre-trained Large Language Models (LLMs) for zero-shot Silesian-English translation, by fine-tuning them on increasingly related languages. Our experiment shows that using data from related languages generally improves the zero-shot translation performance for our language pair, but the optimal fine-grained choice inside the Slavic language family is non-trivial and depends on the model characteristics.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

<a href="/cs/project/LM2018101" target="_blank" >LM2018101: Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy</a><br>

Návaznosti

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

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

RASLAN 2023 Recent Advances in Slavonic Natural Language Processing

ISBN

9788026317937

ISSN

2336-4289

e-ISSN

—

Počet stran výsledku

12

Strana od-do

145-156

Název nakladatele

Tribun EU

Místo vydání

Brno

Místo konání akce

Kouty nad Desnou

Datum konání akce

1. 1. 2023

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—