메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Jiayan Duan (Yanching Institute of Technology) Hongwei Ma (Yanching Institute of Technology) Junxia Wang (Yanching Institute of Technology)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.12 No.6
발행연도
2023.12
수록면
466 - 471 (6page)
DOI
10.5573/IEIESPC.2023.12.6.466

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In the context of cross-cultural communication, translation between languages has become increasingly important. Based on automatic Chinese–English translation, this study examined the processing of out-of-vocabulary (OOV) words. First, this paper briefly introduces two basic translation models: seq2seq and Transformer. Second, we propose a semantic-based OOV processing method, which replaces OOV words with the most similar words by calculating the semantic similarity of word vectors and then uses the source-language sentences with the replaced words to train a translation model. Compared to the seq2seq model, the Bilingual Evaluation Understudy (BLEU) values of the Transformer model were higher (37.26 for the NIST06 dataset and 30.75 for the NIST08 dataset). After OOV processing, retaining low-frequency OOV words was conducive to the improvement of BLEU scores, which were increased by 0.63 and 0.09 for NIST06 and NIST08 for the Transformer model, respectively. This shows the effectiveness of the OOV processing method. The OOV processing method could be applied to automatic Chinese–English translation.
#Cross-cultural communication #Out-of-vocabulary #Automatic translation #Neural network

목차

Abstract
1. Introduction
2. Translation Algorithm for Out-of-vocabulary Words
3. Results and Analysis
4. Conclusion
References

참고문헌 (21)

참고문헌 신청
C. Xu, Q. Li, “Machine Translation and Computer Aided English Translation,” Journal of Physics: Conference Series, Vol. 1881, No. 4, pp. 1-8, Jan. 2021. Article (CrossRef Link). google schola C. Yang, “A Study of Influences of Big Data on Machine Translation and Enlightenment for Translation Teaching in Cross-cultural Communication,” 2020 International Conference on Information Science and Education (ICISE-IE), Vol. 2020, pp. 228-232, Dec. 202 google schola S. Narzary, M. Brahma. B. Singha, R. Brahma, B. Dibragede, S. Barman, S. Nandi, B. Som, “Attention based English-Bodo Neural Machine Translation System for Tourism Domain,” 2019 3rd International Conference on Computing Methodologies and Communication (IC google schola S. Li, “Research on the External Communication of Chinese Excellent Traditional Culture from the Perspective of Machine Translation,” Journal of Physics: Conference Series, Vol. 1744, No. 3, pp. 1-8, 2021. Article (CrossRef Link) google schola T. Kano, S. Sakti, S. Nakamura, “Transformer-Based Direct Speech-To-Speech Translation with Transcoder,” 2021 IEEE Spoken Language Technology Workshop (SLT), Vol. 2021, pp. 958-965, Jan. 2021. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0