...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computational intelligence and neuroscience >A Neural Machine Translation Model for Arabic Dialects That Utilizes Multitask Learning (MTL)
【24h】

A Neural Machine Translation Model for Arabic Dialects That Utilizes Multitask Learning (MTL)

机译：利用多任务学习（MTL）的阿拉伯语方言的神经机翻译模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this research article, we study the problem of employing a neural machine translation model to translate Arabic dialects to Modern Standard Arabic. The proposed solution of the neural machine translation model is prompted by the recurrent neural network-based encoder-decoder neural machine translation model that has been proposed recently, which generalizes machine translation as sequence learning problems. We propose the development of a multitask learning (MTL) model which shares one decoder among language pairs, and every source language has a separate encoder. The proposed model can be applied to limited volumes of data as well as extensive amounts of data. Experiments carried out have shown that the proposed MTL model can ensure a higher quality of translation when compared to the individually learned model.
机译：在本研究文章中，我们研究了使用神经机翻译模型的问题，将阿拉伯语方言翻译成现代标准的阿拉伯文。 通过最近提出的经常性神经网络的编码器 - 解码器神经电机翻译模型提示提出了神经电机翻译模型的提出的基于神经网络的编码器 - 解码器。 我们提出了开发在语言对中共享一个解码器的多任务学习（MTL）模型的开发，并且每个源语言都有一个单独的编码器。 该建议的模型可以应用于有限的数据卷以及广泛的数据量。 进行的实验表明，与单独学习的模型相比，所提出的MTL模型可以确保更高的翻译质量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号