SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:ltu-98272"
 

Sökning: onr:"swepub:oai:DiVA.org:ltu-98272" > Separating Grains f...

Separating Grains from the Chaff : Using Data Filtering to Improve Multilingual Translation for Low-Resourced African Languages

Abdulmumin, Idris (författare)
Ahmadu Bello University, Zaria, Nigeria; HausaNLP
Beukman, Michael (författare)
University of the Witwatersrand, South Africa
Alabi, Jesujoba O. (författare)
Saarland University, Germany
visa fler...
Emezue, Chris (författare)
TUM, Germany; Mila - Quebec AI Institute
Asiko, Everlyn (författare)
University of Cape Town, South Africa; African Institute for Mathematical Sciences
Adewumi, Oluwatosin, 1978- (författare)
Luleå tekniska universitet,EISLAB
Muhammad, Shamsuddeen Hassan (författare)
HausaNLP; LIAAD-INESC TEC, Porto, Portugal
Adeyemi, Mofetoluwa (författare)
Uppsala University, Sweden
Yousuf, Oreen (författare)
Uppsala University, Sweden
Singh, Sahib (författare)
Ford Motor Company
Gwadabe, Tajuddeen Rabiu (författare)
HausaNLP; University of Chinese Academy of Sciences, China
visa färre...
 (creator_code:org_t)
Association for Computational Linguistics, 2022
2022
Engelska.
Ingår i: Proceedings of the Seventh Conference on Machine Translation (WMT). - : Association for Computational Linguistics. - 9781959429296 ; , s. 1001-1014
  • Konferensbidrag (refereegranskat)
Abstract Ämnesord
Stäng  
  • We participated in the WMT 2022 Large-Scale Machine Translation Evaluation for the African Languages Shared Task. This work de-scribes our approach, which is based on filtering the given noisy data using a sentence-pair classifier that was built by fine-tuning a pre-trained language model. To train the classifier, we obtain positive samples (i.e. high-quality parallel sentences) from a gold-standard curated dataset and extract negative samples (i.e.low-quality parallel sentences) from automatically aligned parallel data by choosing sentences with low alignment scores. Our final machine translation model was then trained on filtered data, instead of the entire noisy dataset. We empirically validate our approach by evaluating on two common datasets and show that data filtering generally improves overall translation quality, in some cases even significantly.

Ämnesord

NATURVETENSKAP  -- Data- och informationsvetenskap -- Språkteknologi (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Language Technology (hsv//eng)

Nyckelord

Maskininlärning
Machine Learning

Publikations- och innehållstyp

ref (ämneskategori)
kon (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy