Multi-Domain Neural Machine Translation

Empreu sempre aquest identificador per citar o enllaçar aquest ítem http://hdl.handle.net/10045/76088
Información del item - Informació de l'item - Item information
Títol: Multi-Domain Neural Machine Translation
Autors: Tars, Sander | Fishel, Mark
Paraules clau: Machine Translation
Àrees de coneixement: Lenguajes y Sistemas Informáticos
Data de publicació: 2018
Editor: European Association for Machine Translation
Citació bibliogràfica: Tars, Sander; Fishel, Mark. “Multi-Domain Neural Machine Translation”. In: Pérez-Ortiz, Juan Antonio, et al. (Eds.). Proceedings of the 21st Annual Conference of the European Association for Machine Translation: 28-30 May 2018, Universitat d'Alacant, Alacant, Spain, pp. 259-268
Resum: We present an approach to neural machine translation (NMT) that supports multiple domains in a single model and allows switching between the domains when translating. The core idea is to treat text domains as distinct languages and use multilingual NMT methods to create multi-domain translation systems; we show that this approach results in significant translation quality gains over fine-tuning. We also explore whether the knowledge of pre-specified text domains is necessary; turns out that it is after all, but also that when it is not known quite high translation quality can be reached, and even higher than with known domains in some cases.
Patrocinadors: This work was supported by the Estonian Research Council grant no. 1226.
URI: http://hdl.handle.net/10045/76088
ISBN: 978-84-09-01901-4
Idioma: eng
Tipus: info:eu-repo/semantics/conferenceObject
Drets: © 2018 The authors. This article is licensed under a Creative Commons 3.0 licence, no derivative works, attribution, CC-BY-ND.
Revisió científica: si
Versió de l'editor: http://eamt2018.dlsi.ua.es/proceedings-eamt2018.pdf
Apareix a la col·lecció: Congresos - EAMT2018 - Proceedings

Arxius per aquest ítem:
Arxius per aquest ítem:
Arxiu Descripció Tamany Format  
ThumbnailEAMT2018-Proceedings_28.pdf1,54 MBAdobe PDFObrir Vista prèvia


Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons Creative Commons