@进行中{bei-etal-2018-经验,title=“{WMT}18共享任务的机器翻译实证研究”,author=“贝、超和宗浩王一鸣和范宝勇李世奇和袁从沪”,editor=“Bojar,Ond{\v{r}}ej和Chatterjee、Rajen和费德曼、克里斯蒂安和费舍尔、马克和格雷厄姆、伊维特和哈多、巴里和哈克、马蒂亚斯和是的,安东尼奥·吉梅诺和Koehn、Philipp和蒙兹、克里斯托夫和Negri、Matteo和N{\'e}v{\'e}ol,Aur{\e}谎言和内维斯、玛丽安娜和Post、Matt和Specia、Lucia和图尔奇、马尔科和卡琳·弗斯普尔”,booktitle=“第三届机器翻译会议论文集:共享任务文件”,月=10月,年份=“2018”,address=“比利时,布鲁塞尔”,publisher=“计算语言学协会”,url=“https://aclcollectory.org/W18-6404”,doi=“10.18653/v1/W18-6404”,pages=“340--344”,abstract=“本文描述了Global Tone Communication Co.,Ltd.提交的WMT18共享新闻翻译任务。我们参与了英汉翻译指导,获得了最佳BLEU(43.8)所有参与者的得分。提交的系统侧重于数据清理和技术,以构建此任务的竞争模型。与其他参与者不同,提交的系统主要依靠数据过滤来获得最佳BLEU分数。我们不仅对提供的句子进行数据过滤,而且对回译的句子也进行数据过滤。我们应用于数据过滤的技术包括按规则过滤、语言模型和翻译模型。我们还进行了几个实验来验证训练技术的有效性。根据我们的实验,退火Adam优化函数和集合解码是最有效的模型训练技术。”,}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“bei-etal-2018-experimental”><标题信息>WMT18共享任务的机器翻译实证研究</titleInfo><name type=“personal”>Chao(赵)贝<namePart type=“family”>Bei</namePart><角色>作者</角色></name><name type=“personal”>郝(音译)宗族<角色>作者</角色></name><name type=“personal”>伊明<namePart type=“given”>王<namePart type=“family”><角色>作者</角色></name><name type=“personal”>宝勇风扇<角色>作者</角色></name><name type=“personal”>石琦<namePart type=“given”>李<namePart type=“family”><角色>作者</角色></name><name type=“personal”>从湖<namePart type=“given”>元<角色>作者</角色></name><originInfo>2018-10发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第三届机器翻译会议论文集:共享任务文件</titleInfo><name type=“personal”>Ondřej博加尔<角色>编辑器</角色></name><name type=“personal”>拉詹查特吉<角色>编辑器</角色></name><name type=“personal”>克里斯蒂安<namePart type=“family”>费德曼</namePart><角色>编辑器</角色></name><name type=“personal”>标记费舍尔<角色>编辑器</角色></name><name type=“personal”><namePart type=“给定”>Yvette</namePart>格雷厄姆<角色>编辑器</角色></name><name type=“personal”>巴里哈多<角色>编辑器</角色></name><name type=“personal”>马提亚斯哈克<角色>编辑器</角色></name><name type=“personal”>安东尼奥Jimeno是的<角色>编辑器</角色></name><name type=“personal”>飞利浦科恩<角色>编辑器</角色></name><name type=“personal”>克里斯托夫蒙兹<角色>编辑器</角色></name><name type=“personal”>马蒂奥Negri(奈格里)<角色>编辑器</角色></name><name type=“personal”>奥雷利内维尔<角色>编辑器</角色></name><name type=“personal”>玛丽安娜内维斯<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>马特帖子<角色>编辑器</角色></name><name type=“personal”>露西娅Specia系列<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>马可图尔奇<namePart type=“family”><角色>编辑器</角色></name><name type=“personal”>卡琳Verspoor公司<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>比利时、布鲁塞尔</地点></originInfo>会议出版物</relatedItem>本文描述了Global Tone Communication Co.,Ltd.提交的WMT18共享新闻翻译任务。我们参加了从英语到汉语的指导,在所有参与者中获得了最好的BLEU(43.8)分数。提交的系统侧重于数据清理和技术,以构建此任务的竞争模型。与其他参与者不同,提交的系统主要依靠数据过滤来获得最佳BLEU分数。我们不仅对提供的句子进行数据过滤,而且对回译的句子也进行数据过滤。我们应用于数据过滤的技术包括按规则过滤、语言模型和翻译模型。我们还进行了几个实验来验证训练技术的有效性。根据我们的实验,退火Adam优化函数和集成解码是模型训练中最有效的技术</摘要><identifier type=“citekey”>bei-etal-2018-经验</identifier>10.18653/v1/W18-6404<位置><网址>https://aclantology.org/W18-6404</url></位置><部分>2018-10年<扩展单元=“page”><开始>340</开始><end>344</范围></部分></mods></modsCollection>
%0会议记录%WMT18共享任务机器翻译的实证研究%阿蓓、赵%阿宗、郝%王一鸣%阿凡、宝勇%李世奇%从湖阿元%Y Bojar,Ondřej%拉金·查特吉%Y Federmann,克里斯蒂安%Y Fishel,马克%伊维特·Y·格雷厄姆%巴里·Y·哈多%Y哈克,马提亚斯%Y Yepes,安东尼奥·吉梅诺%Y Koehn,菲利普%克里斯托夫·蒙兹%Y Negri,马蒂奥%奥雷利·Y·内维尔%玛丽亚娜·尼维斯%Y Post,马特%露西娅·Y·斯佩西亚%马尔科·图尔奇%Y Verspoor,卡琳%第三届机器翻译会议论文集:共享任务文件%2018年D月%10月8日%计算语言学协会%C比利时,布鲁塞尔%F bei-etal-2018-经验%本文介绍了环球音讯有限公司提交的WMT18共享新闻翻译任务。我们参加了从英语到汉语的指导,在所有参与者中获得了最好的BLEU(43.8)分数。提交的系统侧重于数据清理和技术,以构建此任务的竞争模型。与其他参与者不同,提交的系统主要依靠数据过滤来获得最佳BLEU分数。我们不仅对提供的句子进行数据过滤,而且对回译的句子也进行数据过滤。我们应用于数据过滤的技术包括按规则过滤、语言模型和翻译模型。我们还进行了几个实验来验证训练技术的有效性。根据我们的实验,退火Adam优化函数和集合解码是最有效的模型训练技术。%10.18653/v1/W18-6404兰特%U型https://aclantology.org/W18-6404%U型https://doi.org/10.18653/v1/W18-6404%电话340-344
降价(非正式)
【WMT18共享任务机器翻译的实证研究】(https://aclantology.org/W18-6404)(Bei等人,WMT 2018)
国际计算语言学协会
- 赵蓓、郝宗、王一鸣、范宝勇、李世奇和袁聪虎。2018WMT18共享任务机器翻译的实证研究.英寸第三届机器翻译会议记录:共享任务文件,第340-344页,比利时,布鲁塞尔。计算语言学协会。