Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Improving Arabic-to-English Statistical Machine Translation by Reordering Post-verbal Subjects for Alignment"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

We study the challenges raised by Arabic verb and subject detection and reordering in Statistical Machine Translation (SMT). We show that post-verbal subject (VS) constructions are hard to translate because they have highly ambiguous reordering patterns when translated to English. In addition, implementing reordering is difficult because the boundaries of VS constructions are hard to detect accurately, even with a state-of-the-art Arabic dependency parser.

TÀI LIỆU LIÊN QUAN

Báo cáo khoa học: "Improving Word Representations via Global Context and Multiple Word Prototypes"

Báo cáo khoa học: "Improving the IBM Alignment Models Using Variational Bayes"

Báo cáo khoa học: "Improving the Use of Pseudo-Words for Evaluating Selectional Preferences"

Báo cáo khoa học: "Hierarchical Joint Learning: Improving Joint Parsing and Named Entity Recognition with Non-Jointly Labeled Data"

Báo cáo khoa học: "Improving Statistical Machine Translation with Monolingual Collocation"

Báo cáo khoa học: "A new Approach to Improving Multilingual Summarization using a Genetic Algorithm"

Báo cáo khoa học: "Diversify and Combine: Improving Word Alignment for Machine Translation on Low-Resource Languages"

Báo cáo khoa học: "Improving Chinese Semantic Role Labeling with Rich Syntactic Features"

Báo cáo khoa học: "Improving Arabic-to-English Statistical Machine Translation by Reordering Post-verbal Subjects for Alignment"

Báo cáo khoa học: "How do you pronounce your name? Improving G2P with transliterations"
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.