Die Veröffentlichung des maschinellen Ăbersetzungssystems OpenNMT 0.28.0 (Open Neural Machine Translation), das Methoden des maschinellen Lernens verwendet, wurde bekannt gegeben. Zur Erstellung des neuronalen Netzwerks nutzt das Projekt die Möglichkeiten der Deep Learning-Bibliothek TensorFlow. Der Code der vom OpenNMT-Projekt entwickelten Module ist in Python geschrieben und wird unter der MIT-Lizenz veröffentlicht. Fertige Modelle sind fĂŒr die englische, deutsche und katalanische Sprache vorbereitet, fĂŒr andere Sprachen kann man selbststĂ€ndig ein Modell auf der Grundlage des Datensatzes vom OPUS-Projekt bereitstellen (zum Trainieren des Systems werden zwei Dateien ĂŒbergeben â eine mit SĂ€tzen in der Ausgangssprache und eine zweite mit der qualitativ hochwertigen Ăbersetzung dieser SĂ€tze in die Zielsprache).
Das Projekt wird in Zusammenarbeit mit der Firma SYSTRAN, die auf die Erstellung von maschinellen Ăbersetzungssystemen spezialisiert ist, sowie einer Gruppe von Forschern von Harvard, die menschliche Sprachmodelle fĂŒr maschinelles Lernen entwickeln, weitergetragen. Die BenutzeroberflĂ€che ist so einfach wie möglich gestaltet und erfordert lediglich die Angabe der Eingabedatei mit dem Text und der Datei zur Speicherung des Ăbersetzungsergebnisses. Das Erweiterungssystem ermöglicht es, zusĂ€tzliche FunktionalitĂ€ten auf der Grundlage von OpenNMT zu implementieren, wie beispielsweise die automatische Referenzierung, Textklassifikation und die Generierung von Untertiteln.
Die Verwendung von TensorFlow ermöglicht den Einsatz der GPU-Ressourcen (um den Prozess des Trainings des neuronalen Netzwerks zu beschleunigen). Um die Verbreitung des Produkts zu vereinfachen, wird auĂerdem eine eigenstĂ€ndige Version des Ăbersetzers in C++ â CTranslate2 â entwickelt, die vortrainierte Modelle ohne zusĂ€tzliche AbhĂ€ngigkeiten verwendet.
In der neuen Version wurde der Parameter initial_learning_rate hinzugefĂŒgt und mehrere neue Argumente (mha_bias und output_layer_bias) fĂŒr die Konfiguration des Transformer-Modellgenerators implementiert. Ansonsten wurden Fehlerkorrekturen vorgenommen.
Quelle: opennet.ru
