Xây dựng mô hình tích hợp tri thức ngôn ngữ trong dịch máy mạng neural Anh - Việt
Luận án · Tiến sĩ · năm 2023 · đề tài tham khảo
| Loại tài liệu | Luận án |
|---|---|
| Bậc học | Tiến sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Hồng Bửu Long |
| Người hướng dẫn | Đinh Điền |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2023 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Các mạng neural đã rất nhanh chóng trở thành hướng tiếp cận thống trị cho hầu hết các tác vụ trong lĩnh vực trí tuệ nhân tạo, bao gồm cả dịch máy. So với các hướng tiếp cận truyền thống trước đây, các mô hình dịch máy mạng neural được huấn luyện theo kiểu end2end sử dụng một cơ chế đơn giản nhưng hiệu quả. Tuy nhiên, sự đơn giản này gây ra rất nhiều khó khăn khi cần phải can thiệp vào bên trong mô hình dịch. Không giống như các hệ thống dịch máy truyền thống được chia ra thành các mô-đun chuyên biệt phục vụ cho một tác vụ con cụ thể, các hệ thống dịch máy mạng neural huấn luyện trên các mạng neural rất lớn được tối ưu trên toàn bộ tác vụ dịch máy. Ví dụ, các hệ thống dịch máy thống kê có các thành phần phụ để xử lý sự lưu loát (còn gọi là mô hình ngôn ngữ), phát sinh từ (còn gọi là mô hình dịch), sắp xếp từ [4], hình thái từ và tích hợp đặc trưng để mô hình hóa các hiện tượng ngôn ngữ khác nhau. Trên khía cạnh khác, các hệ thống dịch máy mạng neural chỉ bao gồm một mô hình đơn dựa trên kiến trúc mã hóa-giải mã và cơ chế chú ý. Mặc dù có cấu tạo đơn giản hơn, các hệ thống dịch máy mạng neural đã vượt qua các hệ thống dịch máy thống kê chỉ sau một vài năm phát triển. Đánh giá của con người và phân tích kết quả dịch cho thấy rằng sự vượt trội có được nhờ vào việc các hệ thống dịch máy mạng neural cho ra kết quả trôi chảy hơn các hệ dịch máy thống kê.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Tìm kiếm kiến trúc mạng nơ-ron không cần mẫu theo phương pháp dự đoán bằng mạng nơ-ron
- Building an online audio book system
- Nghiên cứu và ứng dụng một số thuật toán chống Spam Mail
- Một mô hình dự đoán năng lượng hiệu quả cho học sâu trên các thiết bị ANDROID
- Chuỗi chức năng dịch vụ bảo mật cho mạng khám chữa bệnh từ xa trong đại dịch được hỗ trợ bởi SDN.
- Phát hiện bạo lực trong video theo cách tiếp cận Multiple Instance Learning Ranking
- Towards Enabling Tangible Interaction with Physical Objects in Virtual Reality Desktop Workplaces
- Ứng dụng mạng HTM và mạng ngữ nghĩa để nhận diện đối tượng phức trong ảnh
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.