Translation-Service

یک چارچوب NMT تقویت‌شده با بازیابی نوآورانه که از بازیابی متضاد و کدگذاری سلسله‌مراتبی برای بهره‌گیری از حافظه‌های ترجمه متنوع و غیرتکراری جهت بهبود کیفیت ترجمه استفاده می‌کند.

تحلیل انحطاط‌ها در نمره‌دهی تمایل معکوس برای یادگیری آفلاین ترجمه ماشینی از گزارش‌های قطعی، همراه با راه‌حل‌های پیشنهادی.

تحلیلی که فرهنگ‌های لغت چاپی/آنلاین و پایگاه‌های اصطلاحات را مقایسه می‌کند و بر تحول، قابلیت اطمینان و آینده‌ی آنها در فناوری ترجمه تمرکز دارد.

تحلیل اولین کاربرد ترجمه ماشینی عصبی روی زبان عربی، مقایسه آن با سیستم‌های مبتنی بر عبارت، بررسی تأثیرات پیش‌پردازش و ارزیابی مقاومت در برابر تغییر حوزه.

معرفی WOKIE، یک خط لوله متن‌باز برای ترجمه خودکار اصطلاح‌نامه‌های SKOS با استفاده از سرویس‌های خارجی و پالایش مبتنی بر مدل‌های زبانی بزرگ، به منظور افزایش دسترسی و قابلیت همکاری بین‌زبانه در علوم انسانی دیجیتال.

تحقیق در مورد بهبود ترجمه ماشینی مبتنی بر مدل‌های زبانی بزرگ با استفاده از راهنمای حافظه ترجمه، دستیابی به بهبود قابل توجه امتیاز BLEU در زبان‌ها و حوزه‌های مختلف.

پژوهشی در مورد مدل‌های سبک‌وزن یادگیری عمیق محلی برای ترجمه زبان‌های کم‌منبع، مبهم‌سازی‌شده و خاص با استفاده از معماری رمزگذار-رمزگشای LSTM-RNN.

تحلیلی از سیستم‌های ترجمه ماشینی توسعه‌یافته برای زبان‌های هندی، شامل رویکردهایی مانند روش‌های مستقیم، قاعده‌بنیاد و پیکره‌بنیاد، سیستم‌های کلیدی و جهت‌های تحقیقاتی آینده.

تحلیل استفاده از مدل‌های زبانی بزرگ برای ترجمه‌ی کم‌نمونه از مجموعه‌داده‌های تجزیه‌ی معنایی انگلیسی به منظور آموزش تجزیه‌کننده‌های چندزبانه که عملکرد بهتری نسبت به خطوط پایه‌ی ترجمه-آموزش در ۵۰ زبان دارد.

تحلیل DGT-TM، یک حافظه ترجمه آزاد که ۲۲ زبان اتحادیه اروپا و ۲۳۱ جفت زبانی را پوشش می‌دهد، نحوه ایجاد آن، کاربردهایش در فناوری زبان و تأثیر آتی آن.

تحلیل یک مقاله پژوهشی که یک مدل یادگیری تقویتی نوین A2C را برای ترجمه ماشینی چندوجهی، با یکپارچه‌سازی داده‌های بصری و متنی، پیشنهاد می‌کند.

تحلیل یک چارچوب ترکیبی NMT-SMT که توصیه‌های SMT را در رمزگشایی NMT ادغام می‌کند تا به تعادل بین روانی و کفایت بپردازد، همراه با نتایج تجربی در ترجمه چینی-انگلیسی.

تحلیلی عمیق از ترجمه ماشینی عصبی (NMT) شامل تاریخچه، مفاهیم اصلی شبکه‌های عصبی، معماری‌های رمزگذار-رمزگشا، بهبودها و چالش‌های کنونی.

چارچوبی عمیق و سرتاسری که برآورد کیفیت و ویرایش خودکار پس‌ین را یکپارچه می‌کند تا خروجی ترجمه ماشینی را بهبود بخشد و بار کاری مترجم انسانی را کاهش دهد.

تحلیل TM-LevT، یک گونه جدید از ترانسفورماتور لونشتاین که برای ویرایش مؤثر ترجمه‌ها از حافظه ترجمه طراحی شده و عملکردی هم‌تراز با مدل‌های خودرگرسیو ارائه می‌دهد.

تحلیل ابزارک یوروترم‌بانک، یک راه‌حل متن‌باز برای مدیریت و اشتراک‌گذاری اصطلاحات در پایگاه‌های داده فدرال به منظور پشتیبانی از مترجمان، برنامه‌های پردازش زبان طبیعی و سیستم‌های هوش مصنوعی.

تحلیل الگوریتم‌های مبتنی بر تابع زیرپیمانه‌ای برای انتخاب بهینه مثال در ترجمه ماشینی عصبی تقویت‌شده با بازیابی، با تمرکز بر بهینه‌سازی پوشش.

تحلیل روشی نوین برای انطباق دامنه پس از آموزش در NMT، بررسی تخصص‌بخشی تدریجی، نتایج آزمایشی و کاربردهای آتی.

تحلیلی از چالش‌ها و فرصت‌های آموزش مترجمان حقوقی، بررسی مدل‌های به‌روز، ادغام فناوری و نقش در حال تحول مترجمان به عنوان میانجی‌گران بین‌افرهنگی.

تحلیل روش‌های تقویت سراسری متن (Word2Vec, WordNet, ترجمه دورانی) و mixup برای بهبود عملکرد طبقه‌بندی متن کوتاه و استحکام مدل.

معرفی آزمون ناوردای ساختاری (SIT)، یک روش آزمون متامورفیک برای اعتبارسنجی نرم‌افزار ترجمه ماشینی با تحلیل سازگاری ساختاری در خروجی‌های ترجمه‌شده.

تحلیل کاربرد اصول اخلاقی حرفه‌ای ترجمه در بسترهای غیرحرفه‌ای مانند ترجمه جمعی، ترجمه طرفداران و بومی‌سازی نرم‌افزار آزاد، با تأکید بر تفاوت‌ها و نوآوری‌ها.

تحلیل الگوریتم‌های تطبیق فازی برای سیستم‌های حافظه ترجمه، ارزیابی همبستگی آن‌ها با قضاوت انسانی و پیشنهاد روش جدید دقت وزنی n-گرام.

تحلیل NMT تقویت‌شده با حافظه ترجمه از منظر احتمالاتی و تجزیه واریانس-بایاس، توضیح تضادهای عملکردی و ارائه روش مؤثر ترکیبی.

تحلیل ابزارهای مدرن کنترل کیفیت ترجمه، ادغام آنها با ابزارهای CAT، استانداردهای صنعت و ارزیابی عملی خروجی نرم‌افزارهای مستقل QA.

تحلیل چگونگی بازتعریف تقاضای ترجمه توسط جهانی‌سازی و فناوری، و جایگاه‌یابی مترجمان به عنوان میانجی‌گران فرهنگی و دارایی‌های راهبردی کسب‌وکار.

تحلیل یک مدل رمزگذار-رمزگشای واریاسیونی برای ترجمه ماشینی عصبی که متغیرهای پنهان پیوسته را برای مدلسازی صریح معنای زیربنایی معرفی میکند و کیفیت ترجمه را بهبود میبخشد.

تحلیل مدل SM2، یک مدل ترنسدیوسر ترنسفورمر جریانی برای تشخیص گفتار و ترجمه گفتار چندزبانه، با قابلیت واقعاً صفر-شات و نظارت ضعیف.