Технологии машинного перевода. Нейроперевод

Вернуться к списку статей
Доклады Башкирского университета. 2018. Том 3. № 6. С. 711-715.

Авторы

Мифтахова Р. Г.*
Башкирский государственный университет
Россия, Республика Башкортостан, 450076 г. Уфа, улица Заки Валиди, 32
Черепанова Е. М.
Башкирский государственный университет
Россия, Республика Башкортостан, 450076 г. Уфа, улица Заки Валиди, 32

Абстракт

Технологии машинного перевода постоянно совершенствуются, и каждое новое решение значительно улучшает качество перевода. На смену, казалось бы, хорошо зарекомендовавшим себя методам статистического машинного перевода приходят методы нейронного перевода. Статья ставит целью отследить динамику развития методов обработки естественного языка в машинном переводе, изучить принцип работы нейроперевода и его перспективы. В статье проанализированы различные подходы к моделированию машинного перевода с обоснованием преимуществ и недостатков каждой модели.

Ключевые слова

  • нейроперевод
  • машинный перевод
  • обработка естественного языка

Литература

  1. Анненков. А. В России создан смысловой процессор. http://d-russia.ru/v-rossii-sozdan-smyslovoj-processor.html
  2. Морозкина. Е. А. Мифтахова Р. Г. Влияние информационных технологий на развитие лингвистических норм. Вестник БашГУ. 2012. №1.- С. 162-164
  3. Birch A., Blunsom Ph., Osborne M. A quantitative analysis
  4. of reordering phenomena. In Proceedings of the Fourth Workshop on Statistical Machine Translation, pages 197-205. Association for Computational Linguistics, 2009
  5. Bodomo, A. B. 2009. Computer-Mediated Communication for Linguistics and Literacy: Technology and Natural Language Education. IGI Global, Hershey, PA, USA. 374 pages.
  6. David Kriesel, A Brief Introduction to Neural Networks, 2007, 286p., available at http://w ww.dkriesel.com
  7. Lopez A. Statistical machine translation.ACM ComputingSurveys
  8. 8. (CSUR), 40(3):8, 2008
  9. Menezes A., C. Cherry. 2005. Dependency treelet translation: Syntactically informed phrasal smt. Proceedings of the 43rd Annual Meeting of the Association for ComputationalLinguistics, pages 271-279.
  10. Yamada K., K. Knight. A syntax-based statistical translation model. In Proceedings of the 39th Annual Meeting on Association for Computational Linguistics, pages 523-530. Association for Computational Linguistics, 2001
  11. https://ain.ua/2017/03/03/kak-rabotayut-nejroseti/

Мachine translation technologies. Neurotranslation

Authors

Miftakhova R. G.*
Bashkir State University
32 Zaki Validi Street, 450074 Ufa, Republic of Bashkortostan, Russia
Cherepanova E. M.
Bashkir State University
32 Zaki Validi Street, 450074 Ufa, Republic of Bashkortostan, Russia

Abstract

The technologies of machine translation are constantly changing, and every new solution improves the quality of machine translation. The seemingly well-established methods of statistical machine translation are being replaced by the methods of neural translation. The article aims to trace the development of methods for natural language processing in machine translation, to determine the degree of elaboration of neural models and its prospects. Various approaches to the modeling of machine translation with the justification of the advantages and disadvantages of each model were investigated.

Keywords

  • neurotranslation
  • machine translation
  • natural language processing
Вернуться к списку статей