दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

बहुभाषी वाक् पहचान और अनुवाद के लिए निम्न-रैंक और विरल मॉडल विलय

Created by
  • Haebom

लेखक

क्यूमिंग झाओ, गुआंगज़ी सन, चाओ झांग

रूपरेखा

इस पत्र में, हम बहुभाषी वाक्-से-पाठ (S2T) कार्यों में भाषाई विविधता की समस्या को हल करने के लिए एक निम्न-रैंक और विरल मॉडल विलय (LoRS-Merging) तकनीक का प्रस्ताव करते हैं। मौजूदा बहुभाषी बहु-कार्य शिक्षण दृष्टिकोणों का उद्देश्य कई भाषाओं में बहु वाक् पहचान और अनुवाद कार्यों को संयुक्त रूप से अनुकूलित करना है, लेकिन उच्च कम्प्यूटेशनल लागत, भाषा हस्तक्षेप, उप-इष्टतम प्रशिक्षण विन्यास और सीमित मापनीयता से ग्रस्त हैं। LoRS-Merging आवश्यक संरचनाओं को संरक्षित करते हुए अनावश्यक मापदंडों को हटाने के लिए निम्न-रैंक और विरल छंटाई को जोड़ता है, जिससे भाषा हस्तक्षेप कम होता है और मापनीयता में सुधार होता है। दस भाषाओं पर प्रायोगिक परिणाम बताते हैं कि LoRS-Merging बहुभाषी बहु-कार्य शिक्षण, अनुक्रमिक शिक्षण और अन्य विलय विधियों से 20% से अधिक बेहतर प्रदर्शन करता है

Takeaways, Limitations

Takeaways:
हमने प्रयोगात्मक रूप से प्रदर्शित किया है कि LoRS-मर्जिंग तकनीक बहुभाषी वाक्-से-पाठ (S2T) कार्यों के प्रदर्शन में महत्वपूर्ण सुधार कर सकती है।
एक ऐसा विकल्प प्रस्तुत करना जो मौजूदा बहुभाषी बहु-कार्य शिक्षण की कम्प्यूटेशनल लागत और भाषा हस्तक्षेप संबंधी मुद्दों को प्रभावी ढंग से संबोधित करता है।
S2T अनुप्रयोगों में मॉडल विलय की दक्षता और मापनीयता को प्रदर्शित करता है।
हम विभिन्न भाषाओं के मॉडलों को कुशलतापूर्वक एकीकृत करने के लिए एक नवीन विधि प्रस्तुत करते हैं।
Limitations:
प्रस्तुत प्रयोग की भाषा सीमा सीमित हो सकती है (10 भाषाएँ)।
LoRS-मर्जिंग तकनीक की इष्टतम पैरामीटर सेटिंग्स पर आगे अनुसंधान की आवश्यकता है।
विभिन्न भाषण डेटासेट और कार्यों पर सामान्यीकरण प्रदर्शन के आगे सत्यापन की आवश्यकता है।
अन्य मॉडल विलय विधियों के साथ अधिक विस्तृत तुलनात्मक विश्लेषण की आवश्यकता हो सकती है।
👍