دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آموزشی ویرایش: نویسندگان: Cyril Goutte, Nicola Cancedda, Marc Dymetman, George Foster سری: Neural information processing series ISBN (شابک) : 0262072971, 9780262255097 ناشر: MIT Press سال نشر: 2009 تعداد صفحات: 329 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Learning machine translation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب آموزش ترجمه ماشین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
اینترنت به ما امکان می دهد به انبوهی از اطلاعات به زبان هایی که نمی فهمیم دسترسی پیدا کنیم. بررسی رویکردهای خودکار یا نیمه خودکار ترجمه به یک زمینه تحقیقاتی پررونق با پتانسیل تجاری عظیم تبدیل شده است. این جلد به بررسی این موضوع میپردازد که چگونه تکنیکهای یادگیری ماشینی میتوانند ترجمه ماشینی آماری را که در حال حاضر در خط مقدم تحقیقات در این زمینه قرار دارند، بهبود بخشند. این کتاب ابتدا به فناوریهای توانمند میپردازد - فناوریهایی که مشکلاتی را حل میکنند که ترجمه ماشینی مناسبی نیستند، اما ارتباط نزدیکی با توسعه یک سیستم ترجمه ماشینی دارند. اینها شامل دستیابی به داده های ترازبندی شده دو زبانه جملات از مجموعه های قابل مقایسه، ساخت خودکار فرهنگ لغت نامه های چند زبانه و تراز کردن کلمات است. سپس این کتاب تکنیکهای جدید یا بهبود یافته ترجمه ماشینی آماری را ارائه میکند، از جمله یک چارچوب آموزشی متمایز برای استفاده از اطلاعات نحوی، استفاده از روشهای یادگیری نیمه نظارت شده و مبتنی بر هسته، و ترکیبی از چندین خروجی ترجمه ماشینی به منظور بهبود کیفیت کلی ترجمه. . شرکت کنندگان: سرینیواس بنگلور، نیکولا کانسدا، جوزپ ام. کرگو، مارک دیمتمن، یاکوب المینگ، جورج فاستر، ژسوس گیمنز، سیریل گوت، نزار حبش، غلامرضا حفاری، پاتریک هافنر، هیتوشی ایساهارا، استفان کانانتیث لوش، پیر ماهه، لوئیس مارکز، اوگنی ماتوسوف، آی. دن ملامد، یون موسلیا، هرمان نی، برونو پولیکون، دن راث، آنوپ سرکار، جان شاوه تیلور، رالف اشتاینبرگر، جوزف توریان، نیکولا اوفینگ، ماسائو اوتیاما، , Benjamin Wellington, Kenji Yamada Neural Information Processing series
The Internet gives us access to a wealth of information in languages we don't understand. The investigation of automated or semi-automated approaches to translation has become a thriving research field with enormous commercial potential. This volume investigates how machine learning techniques can improve statistical machine translation, currently at the forefront of research in the field. The book looks first at enabling technologies—technologies that solve problems that are not machine translation proper but are linked closely to the development of a machine translation system. These include the acquisition of bilingual sentence-aligned data from comparable corpora, automatic construction of multilingual name dictionaries, and word alignment. The book then presents new or improved statistical machine translation techniques, including a discriminative training framework for leveraging syntactic information, the use of semi-supervised and kernel-based learning methods, and the combination of multiple machine translation outputs in order to improve overall translation quality. Contributors : Srinivas Bangalore, Nicola Cancedda, Josep M. Crego, Marc Dymetman, Jakob Elming, George Foster, Jesús Giménez, Cyril Goutte, Nizar Habash, Gholamreza Haffari, Patrick Haffner, Hitoshi Isahara, Stephan Kanthak, Alexandre Klementiev, Gregor Leusch, Pierre Mahé, Lluís Màrquez, Evgeny Matusov, I. Dan Melamed, Ion Muslea, Hermann Ney, Bruno Pouliquen, Dan Roth, Anoop Sarkar, John Shawe-Taylor, Ralf Steinberger, Joseph Turian, Nicola Ueffing, Masao Utiyama, Zhuoran Wang, Benjamin Wellington, Kenji Yamada Neural Information Processing series