BriefGPT - AI 论文速递
·
古代韩国档案翻译：基于统计短语对齐、LLM 上下文学习和跨方法论方法的比较分析
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种使用基于5-gram KenLM语言模型的缩放相似性分数的新方法，以提高机器翻译的质量。通过Kneser-ney平滑技术过滤域外数据，并采用多域、微调和迭代回译等自适应技术。实验证明，在Hindi-Nepali语言对上，该方法在多域、微调和迭代回译上分别提高了约2个BLEU点、3个BLEU点和2个BLEU点。
🎯
关键要点
- 提出了一种基于5-gram KenLM语言模型的缩放相似性分数的新方法。
- 使用Kneser-ney平滑技术过滤域外数据，以提高机器翻译质量。
- 采用多域、微调和迭代回译等自适应技术。
- 在Hindi-Nepali语言对上，该方法在多域上提高了约2个BLEU点。
- 在微调NMT方面提高了约3个BLEU点。
- 在迭代回译上提高了约2个BLEU点。
➡️
