English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

ドメイン適応は,機械翻訳を実用に使用するときの大きな課題の一つである.本稿 では,複数ドメインを前提とした,統計翻訳の適応方式を提案する.本稿の方式は, カバレッジが広い(未知語が少ない)コーパス結合モデルと,素性関数の精度がよい 単独ドメインモデルを併用する.これらを,機械学習のドメイン適応に用いられて いる素性空間拡張法の考え方で結合する.従来の機械翻訳における素性空間拡張法 は,単一のモデルを用いていたが,本稿の提案方式は,複数のモデルを用いること により,両者の利点を活かすことが特徴である.実験では,単独ドメインモデルに 比べ,翻訳品質が向上または同等を保持した.提案法は,当該ドメインの訓練コー パスが小規模である場合に高い効果を持ち,100万文規模の大規模コーパスを持つ ドメインへの適応に使用しても,翻訳品質を下げることなく,ドメインによっては 品質向上の効果がある.基本的な対数線形モデルでも,モデルの選択と設定を適切 に行うことで,最先端品質の適応方式が実現できることを示す. キーワード:ドメイン適応,フレーズベース統計翻訳,素性空間拡張法,コーパス結合モデ ル,empty 値

Multi-domain Adaptation for Statistical Machine Translation Based on Feature Augmentation