Нейрон сүлжээнд суурилсан машины орчуулгын хосолсон загвар
Салбар : Инженерийн ухаан, технологи , 2.11 Бусад инженерчлэл, технологи
Улсын дугаар : 4358
Хамгаалсан он : 2022
Түлхүүр үг : МОНГОЛ-АНГЛИ, АНГЛИ-МОНГОЛ МАШИНЫ ОРЧУУЛГА, ХОС ЗАГВАРЫН ӨРГӨТГӨЛ, ХЭЛНИЙ ДҮРЭМ, ӨГҮҮЛБЭРИЙН БҮТЭЦ,
Аннотаци
Даяаршиж буй энэ ертөнцөд хүмүүс хоорондын харилцааны саад бэрхшээлийг арилгахад орчуулга өндөр үүрэгтэй. Орчуулга хийх хэрэгцээ дэлхийн хаана байхаас үл хамааран тухайн хүний төрөлх хэлээс өөр хэлээр бэлтгэсэн ямар нэг төрлийн мэдээлэл ойлгох, судлах, илэрхийлэх нөхцөлд үүсдэг. Нийгмийн цахим сүлжээний ачаар хэрэглэгч бусад хэрэглэгчийн гадаад хэлээр бичсэн мэдээллийг үзэх магадлал улам өндөр болж байгаа, судлаачид олон орны хэлээр судалгаа, шинжилгээ хийж, үр дүнг гадаад хэлээр хэвлүүлэх нэн чухал шаардлага тулгарснаас үзэхэд өнөө үед интернет болон бусад орны хөгжүүлэгчдээс үл хамааран бодит хугацааны шууд орчуулга хийх хэрэгцээ улам бүр нэмэгдэж байна. Мэргэжлийн орчуулга нөр их хөдөлмөр шаарддаг, түүнийг дагасан хөдөлмөрийн хөлстэй байдаг тул машины орчуулга гэж нэрлэдэг автомат орчуулга олон сая хэрэглэгчдэд гадаад хэлээр бичсэн агуулгыг ойлгоход чухал үүрэг гүйцэтгэсээр ирсэн. Машины орчуулгыг зөвхөн энгийн хэрэглэгч бие даасан орчуулга хийхэд хэрэглэхээс гадна мэргэжлийн орчуулагчид орчуулга илүү хурдан хийхэд туслах зорилгоор ашиглаж болно.
Нейрон сүлжээнд суурилсан машины орчуулга бол машины орчуулгын хамгийн сүүлийн үеийн, дэвшилтэт хандлага бөгөөд салшгүй, чухал оролт нь сургалтын өгөгдөл тул өгөгдөлд тулгуурласан арга хэмээн тооцдог. Энэ аргаар орчуулга хийхийн тулд нейрон сүлжээний загварыг ашиглан эх өгүүлбэрийг оролт болгон хүлээн авч, гаралт болох зорилтот өгүүлбэрийг буцаадаг. Нейрон сүлжээнд суурилсан машины орчуулгыг хэрэглээний түвшинд хүргэх оролдлого 2013 онд (Kalchbrenner & Blunsom, 2013) эхэлж 2015 он гэхэд нейрон сүлжээнд суурилсан машины орчуулгыг шинэ чиг хандлага болгон хүлээн зөвшөөрсөн. Үүний дараа Google PBT системдээ хөгжүүлэлт хийж 2017 оноос эхлэн GNMT системээ хэрэглээнд нэвтрүүлсэн. Үг, өгүүлбэрийн бүтцийг харгалзан үздэг бүтэцтэй харьцуулахад нейрон сүлжээнд суурилсан машины орчуулга үг харгалзуулах, өгүүлбэрийн бүтэц харгалзуулах зэрэг нэмэлт завсрын алхмуудыг шаарддаггүй, сургагдсан загвар ашиглан шууд үр дүн бий болгодог. Түүнээс гадна нейрон сүлжээнд суурилсан машины орчуулга үг, өгүүлбэрийн бүтцийг харгалзан үздэг хэллэгт суурилсан системтэй харьцуулахад илүү өндөр гүйцэтгэлтэй, ялангуяа тухайн эрэмбэлэгдсэн хос хэлний сургалтын өгөгдөл хангалттай байгаа тохиолдолд нэн сайн орчуулдаг. Хэдийгээр нейрон сүлжээнд суурилсан загварууд статистикт тулгуурласан загварын адил өгөгдөлд тулгуурладаг боловч олон давхар гүн нейрон сүлжээний давхрага ашиглан орчуулгын чанарыг эрс сайжруулдгаараа статистикт тулгуурласан машины орчуулгаас ялгаатай. Одоогоор гадны төлбөртэй сервисээс хамааралгүй монгол-англи, англи-монгол орчуулга бие даан хийдэг хэрэглээнд нэвтрэх боломжтой нейрон сүлжээнд суурилсан машины орчуулгын загвар хараахан гараагүй байгаа тул бид энэхүү сэдвийг чухалчилж сонгон авч үзлээ.
Зохиогч
Боловсролын доктор(PhD)
Бүтээлийн тоо : 28
Ишлэгдсэн тоо : 0
