خبرگزاری مترجم

مرجع اطلاع رسانی اخبار ترجمه

ترجمه ماشینی عصبی

ترجمه ماشینی عصبی که در انگلیسی به صورت Neural machine translation (NMT) نوشته می شود،

رویکردی نسبت به ترجمه ماشینی است که از یک شبکه عصبی مصنوعی بزرگ برای

پیش بینی شباهت در کنار هم قرار گرفتن کلمات استفاده می کند

تا کل کلمات را در قالب یک مدل یکپارچه واحد و معنی دار به شما ارائه دهد.

ترجمه ماشینی عصبی عمیق، گسترش ترجمه ماشینی عصبی است.

هر دو مورد از یک شبکه عصبی بزرگ استفاده می کنند

با این تفاوت که ترجمه ماشینی، لایه های شبکه عصبی چندگانه را به جای یک مورد پردازش می کند.

ویژگی ها

آنها تنها نیازمند بخشی از حافظه مورد نیاز توسط مدل های ترجمه ماشینی آماری (اس.ام.تی) هستند.

علاوه بر این، علی رغم سیستم های ترجمه مرسوم، تمام بخش های مدل ترجمه عصبی

ایجاد شده اند تا کارایی ترجمه را بالا ببرند.

تاریخچه

کاربردهای یادگیری عمیق ابتدا در مقوله شناسایی صدا در دهه 1990 ظاهر شد.

اولین مقاله علمی درباره استفاده از شبکه های عصبی در ترجمه ماشینی در سال 2014 متعاقب با

پیشرفت های زیاد در چند سال بعدی ارائه شد.

در سال 2015 اولین نمایش یک سیستم ترجمه ماشینی عصبی در رقابت ترجمه ماشینی عمومی اتفاق افتاد.

دبلیو.ام.تی. 15 همچنین برای اولین بار به عنوان رقیب ترجمه ماشینی عصبی معرفی شد

در سال بعد 90 درصد برندگان آن از سیستم های ترجمه ماشینی عصبی برخوردار بودند.

کارکردها

ان.ام.تی. (ترجمه ماشینی عصبی) از رویکردهای آماری مبتنی بر عبارت فاصله گرفت

که به صورت مجزا از زیرترکیب های مهندسی شده استفاده می کردند.

ترجمه ماشینی عصبی (ان.ام.تی.) یک گام موثر فراتر از چیزی که در

گذشته در ترجمه ماشینی آماری انجام شده است نیست (اس.ام.تی.).

کوچ اصلی آن استفاده از نمایش های برداری برای کلمات و حالت های داخلی است.

ساختار مدل ها ساده تر از مدل های مبتنی بر عبارت است.

هیچ مدل زبانی مجزایی، مدل ترجمه، و مدل سفارش دهی مجددی وجود ندارد،

مگر اینکه یک مدل توالی واحد که یک کلمه را در یک زمان پیش بینی می کند.

با اینحال، پیش بینی توالی مشروط بر جمله منبع کامل است و کل جمله توالی هدف را از قبل تولید کرده است.

ان.ام.تی. یادگیری عمیق و یادگیری نمایشی را مدل سازی می کند.

کلمه مدل سازی توالی ابتدا با استفاده از یک شبکه عصبی بازرخدادگر (آر.ان.ان.) انجام شده است.

یک شبکه عصبی بازرخدادگر دو جهتی، که به عنوان رمزگزار شناخته می شود، بوسیله شبکه عصبی برای

رمزگذاری یک جمله منبع برای یک آر.ان.ان. کد گذاری شده است که برای پیش بینی کلمات در زبان مبدا استفاده شده است.

شبکه های عصبی پیچیده اصولا تا حدودی برای توالی های بسیاری بلند بهتر هستند،

اما ابتدا به دلیل ضعف جدی که به دلیل استفاده از رویکردهای مبتنی بر توجه تا سال 2017 استفاده نشدند.

ثبت سفارش ترجمه

قیمت ها و زمان تحویل

منبع مقاله

 

 

 

موضوعات: عمومی

يک ديدگاه تا بحال.

  1. admin گفت:

    عالی بود