Description
Việc dịch tự động và bảo tồn văn bản cổ Hán - Việt đóng vai trò quan trọng nhưng gặp nhiều thách thức trong khâu dóng hàng từ do sự khan hiếm dữ liệu có nhãn, khác biệt cấu trúc và phức tạp về ngữ nghĩa. Nghiên cứu này đề xuất phương pháp dóng hàng từ Hán - Việt dựa trên mô hình học bán giám sát (Semi-supervised learning) kết hợp kiến trúc BinaryAlign và khai thác tri thức song ngữ chuyên gia. Giải pháp này giúp khắc phục hiệu quả giới hạn về dữ liệu và xử lý tốt các hình thái liên kết từ phức tạp như một-nhiều, nhiều-nhiều. Thông qua việc xây dựng và thử nghiệm trên bộ ngữ liệu Hán Việt gồm 10.000 câu không nhãn và 1000 câu gán nhãn chuẩn, nghiên cứu hướng tới tối ưu hóa độ chính xác dóng hàng, tạo tiền đề cho các hệ thống dịch máy Hán - Việt trong tương lai.
Từ khóa
Học bán giám sát (semi-supervised learning), dóng hàng từ (word alignment), Binary align, song ngữ Hán Việt, khai thác tri thức, tinh chỉnh tham số (fine tuning), dịch máy
Thông tin các tác giả
1/ Huỳnh Huy Tấn, đang theo học tại Trường Đại học Khoa học Tự Nhiên, TP.HCM, email: huynhhuytann@gmail.com
2/Lương An Vinh: TS., đang công tác tại Trường Đại học Sài Gòn, TP.HCM, email: anvinhluong@gmail.com
3/Nguyễn Hải Minh: TS., đang công tác tại Trường Đại học Khoa học Tự Nhiên, TP.HCM, email: nhminh@fit.hcmus.edu.vn
4/Đinh Điền: PGS. TS., đang công tác tại Trường Đại học Khoa học Tự Nhiên, TP.HCM, email: ddien@hcmus.edu.vn
