Basic Principles and Limitations of Neural Machine Translation

Скорочена інформація про документ
dc.contributor.authorShevchenko, Olga
dc.contributor.authorOgurtsova, Olga
dc.date.accessioned2024-05-24T08:54:23Z
dc.date.available2024-05-24T08:54:23Z
dc.date.issued2022
dc.description.abstractThe article describes some problems of Neural Machine Translation (NMT) and the role of neural networks in the translation process. The mechanism of neural machine translation, its specific features, its differences from other machine translation systems and the system limitations are also analyzed. NMT systems use artificial neural networks that are trained on a large number of pairs of parallel sentences (‘parallel corpora’). These networks can read a word or a sentence in the source language and translate them into a target language. However, word matching and breakdown into phrases is no longer needed . This seems to be the main difference between the NMT system and other machine translation systems, such as Rule-based or Statistical MT. In order to create a NMT system one must provide the availability of several million pairs of sentences translated by human translators All modern NMTsystems are equipped with encoder-decoder and ‘attention’ mechanisms. The unique role of the ‘attention’ mechanism is to predict subsequent words during the translation process. While focusing on one or more words of the original sentence, it adds this information to the encoded full text. This process is similar to the behavior of a human translator who first reads the entire sentence and then looks at individual source words and phrases already translated or yet to be translated. In spite of its advantages, like fluency, NMT systems have a number of drawbacks. The most frequent are adequacy errors, as well as omissions and additions of content. Transfer of semantic content from the source to the target language often produces mistranslations. The source phrases need to be very clear, coherent and void of ambiguity to prevent low quality output.
dc.description.abstractotherB статті розглядається специфіка системи нейтронного машинного перекладу, що здійснюється за допомогою нейронних мереж. Розглядається механізм роботи нейтронного машинного перекладу, його відмінності від інших систем машинного перекладу, його складові частини, а також існуючі недоліки системи. Системи нейронного машинного перекладу використовують штучні нейронні мережі, які навчаються з використанням великої кількості паралельних пар речень ( «паралельний корпус»). Ці мережи здатні читати слова або речення з вихідної мови та перекладати їх на цільову мову. Проте, зіставлення слів та розбивка на фрази вже не потрібні. І це є основною відмінністю між системою NMT та іншими системами перекладу, такими як RbMT (машинний переклад на основі правил), або SMT (статистичний машинний переклад). Щоб створити систему NMT, знадобиться кілька мільйонів пар речень, попередньо перекладених перекладачами. Всі сучасні системи NMT обладнані механізмом «кодер-декодер» та механізмом «уваги». Особлива роль механізму «уваги». полягає в тому, щоб в процесі перекладу передбачати кожне наступне слово. Зосереджуючись на одному чи кількох словах вихідного речення, механізм «уваги» додає цю інформацію до закодованого повного тексту. Цей процес схожий на поведінку людини-перекладача, яка спочатку читає все речення, а потім дивиться на окремі вихідні перекладені або ще не перекладені слова і фрази. Незважаючи на такі переваги, як швидкість , система NMT має також ряд недоліків. Найчастіше спостерігаються помилки, які впливають на адекватність перекладу, а також мають місце пропуски та додавання змісту при перекладі Передача семантичного змісту з вихідної мови на мову перекладу часто призводить до неправильного тлумачення. Вихідні фрази мають бути дуже чіткими, зрозумілими та без двозначності, щоб уникнути неякісного перекладу.
dc.format.pagerangeРр. 215-218
dc.identifier.citationShevchenko, О. Basic Principles and Limitations of Neural Machine Translation / Shevchenko Olga, Ogurtsova Olga // Актуальні питання іноземної філології. – 2022. – Вип. 16. – С. 215-218. – Бібліогр.: 10 назв.
dc.identifier.doihttps://doi.org/10.32782/2410-0927-2022-16-31
dc.identifier.orcid0000-0001-6726-7269
dc.identifier.orcid0000-0002-0828-3303
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/66896
dc.language.isoen
dc.publisherСхідноєвропейський національний університет ім. Лесі Українки
dc.publisher.placeЛуцьк
dc.relation.ispartofАктуальні питання іноземної філології, №16
dc.subjectNeural machine translation (NMT)
dc.subjectAI networks
dc.subjectsource language
dc.subjecttarget language
dc.subjectparallel corpora
dc.subjectencoder
dc.subjectdecoder
dc.subjectattention mechanism
dc.subjectadequacy error
dc.subjectнейронний машинний переклад (NMT)
dc.subjectвихідна мова
dc.subjectцільова мова
dc.subjectпаралельні корпуси
dc.subjectкодер
dc.subjectдекодер
dc.subjectмеханізм
dc.subject.udc81.322.4
dc.titleBasic Principles and Limitations of Neural Machine Translation
dc.title.alternativeОсновні принципи та обмеження нейронного машинного перекладу
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Basic_Principles_and_Limitations.pdf
Розмір:
247.11 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (КАМГС3)