تاثیر ملایم سازی کاهش واژگان برای مدلهای ترجمه عبارت

در این مقاله، اثر ملایم سازی کاهش واژگان برای مدلهای ترجمه عبارت بصورت سیستماتیک مورد تجزیه و تحلیل قرار داده شده اند. کیم و همکاران (2019)، واژگان سطح بندی شده مختلف را با هم مقایسه کردند و نشان دادند که عملکرد ملایم سازی بصورت معنیدار تحت تاثیر انتخاب واژگان قرار نمی گیرد. آنها برای محاسبه احتمال ترجمه عبارت با استفاده از برچسب های مختلف کلمات سطح بندی شده، دو مدل ملایم سازی map-all و map-each را معرفی کردند و نشان دادند که مدل map-each همواره بهتر از مدل map-all عمل میکند. کیم و همکاران برای انجام آزمایشهای مقایسه ای خود از سه فاکتور الگوریتم خوشه بندی یعنی تکرار خوشه بندی، خوشه بندی اولیه و تعداد کلاسها استفاده کردند و تاثیر آنها را بر بهبود کیفیت ترجمه مورد بررسی قرار دادند. آزمایشهای انجام شده توسط کیم و همکاران، شواهد تجربی را فراهم میآورند که نشان میدهند مدل ترجمه عبارت استاندارد به شدت تنک و پراکنده است و با مشکل کمبود اطلاعات مواجه میباشد. همچنین این آزمایشها نشان میدهند که کاهش واژگان برای ملایم سازی جدولهای عبارت در مقیاس بزرگ موثرتر میباشند

کلیدواژه ها:

مدل map-each ، مدل map-all ، مدل ترجمه عبارت ملایم سازی شده ، مدل ترجمه عبارت استاندارد