Description
Dịch máy Hán-Việt trong văn bản Hán Nôm cổ là một bài toán tài nguyên thấp do dữ liệu song song hạn chế và sự xuất hiện thường xuyên của các thực thể lịch sử như chức quan, địa danh, niên hiệu, sắc lệnh và cụm Hán-Việt cố định. Bài viết đề xuất một cơ chế cầu nối ngữ nghĩa cấp cụm từ cho mô hình Transformer huấn luyện bằng fairseq, trong đó các biểu diễn cụm nguồn và cụm đích được căn chỉnh trong không gian embedding thông qua một hàm mất mát phụ. Thay vì chèn trực tiếp tri thức ở mức ký tự, phương pháp tập trung vào các cụm từ/thực thể có độ tin cậy cao nhằm giảm nhiễu ngữ nghĩa. Từ mô hình mã hóa-giải mã cơ sở đạt 37.43 điểm BLEU trên tập kiểm thử, cấu hình tốt nhất của chúng tôi đạt 38.83 điểm BLEU. Kết quả thực nghiệm cho thấy cầu nối ngữ nghĩa cấp cụm từ là một hướng khả thi để cải thiện việc dịch các thuật ngữ lịch sử trong bài toán dịch máy Hán-Việt tài nguyên thấp.
Từ khóa
Dịch máy Hán–Việt; Hán Nôm cổ; Dịch máy tài nguyên thấp; Cầu nối ngữ nghĩa cấp cụm từ; Thuật ngữ lịch sử
Thông tin các tác giả
1/ Nguyễn Phạm Bá Duy: Học viên cao học, Trường Đại Học Khoa học Tự Nhiên - ĐHQG TP.HCM, email: 24c11052@student.hcmus.edu.vn
2/ Nguyễn Hồng Bửu Long: TS., đang công tác tại Trường Đại Học Khoa học Tự Nhiên - ĐHQG TP.HCM
3/ Đinh Điền: PGS. TS., đang công tác tại Trường Đại Học Khoa học Tự Nhiên - ĐHQG TP.HCM
