Bài viết nghiên cứu cải tiến dịch máy Anh-Việt bằng đồ thị tri thức, tích hợp vào Transformer. BERT tiền huấn luyện tăng chất lượng dịch thực thể.

Bài báo trình bày ứng dụng mô hình Moses SMT dịch ngược Quốc Ngữ-Hán Nôm. Kết quả cho thấy Moses ổn định hơn SOTA, mở hướng phát triển phục sinh Hán Nôm.

Bài viết trình bày nghiên cứu lỗi Google Dịch Việt-Anh: từ vựng, ngữ pháp, ngữ nghĩa, phong cách. Đề xuất giải pháp cải thiện chất lượng dịch thuật.

Bài giảng Các kỹ thuật học sâu và ứng dụng - Bài 8: Mô hình Sequence-to-Sequence đi sâu vào một kiến trúc quan trọng cho các bài toán chuyển đổi trình tự. Chuyên đề này giới thiệu về dịch máy (Machine Translation), mô hình ngôn ngữ điều kiện và kiến trúc mã hóa-giải mã (Encoder-Decoder Architecture). Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài giảng "Học sâu và ứng dụng: Bài 11 - Một số ứng dụng học sâu trong xử lý ngôn ngữ tự nhiên" được biên soạn gồm các nội dung chính sau: Bài toán sinh văn bản: Character-RNN; giới thiệu về bài toán dịch má' mô hình NMT; cơ chế chú ý (attention). Mời các bạn cùng tham khảo!

Tài liệu "Sử dụng và quản lý các máy y tế: monitor, máy truyền dịch, máy bơm tiêm điện, máy điện tim" nhằm giúp học viên sử dụng các máy theo dõi và chăm sóc người bệnh (monitor, máy truyền dịch, máy bơm tiêm điện, máy điện tim) đảm bảo đúng quy trình, hiệu quả, an toàn; nhận định được các dấu hiệu bất thường khi theo dõi và chăm sóc người bệnh; đưa ra cách xử lý phù hợp. Mời các bạn cùng tham khảo!

Bài viết này trình bày phương pháp dịch cấu trúc danh từ bổ ngữ "N1 の N2" từ tiếng Nhật sang tiếng Việt trong hệ thống dịch máy Nhật-Việt. Trong tiếng Nhật, khi một danh từ được bổ nghĩa bởi một danh từ khác,「の gần như luôn được sử dụng để liên kết hai danh từ.「の thể hiện nhiều mối quan hệ ý nghĩa khác nhau giữa hai danh từ: danh hóa bổ ngữ động từ, danh hóa bổ ngữ định ngữ của danh từ vị ngữ, chỉ sự sở hữu hoặc toàn bộ/một phần, v.v…

Luận án "Nghiên cứu thích ứng miền trong dịch máy thống kê Anh-Việt" được hoàn thành với mục tiêu nhằm đề xuất được các giải pháp nâng cao chất lượng dịch theo miền của hệ dịch thống kê cho cặp ngôn ngữ Anh–Việt; Nghiên cứu đề xuất các phương pháp tăng cường thêm dữ liệu song ngữ để huấn luyện, cải thiện chất lượng dịch máy thống kê;

Bài giảng "Xây dựng chương trình dịch: Bài 12 - Sinh mã đích" bao gồm các nội dung kiến thức về: tổng quan về sinh mã đích; máy ngăn xếp, sinh mã cho các lệnh cơ bản, xây dựng bảng ký hiệu;... Mời các bạn cùng tham khảo nội dung chi tiết.

Bài giảng "Thực hành chương trình dịch: Bài 5 - Sinh mã" bao gồm các bài tập thực hành về: xây dựng bảng ký hiệu; sinh mã cho các câu lệnh; sinh mã lấy địa chỉ/giá trị. Thông qua các bài tập thực hành, các bạn sẽ củng cố được kiến thức và vận dụng nó trong quá trình học tập và làm việc. Mời các bạn cùng tham khảo!

Bài viết Mô hình Transformers và ứng dụng trong xử lý ngôn ngữ tự nhiên trình bày kiến trúc Transformers, đề xuất mô hình dịch máy sử dụng kiến trúc Transformers. Kết quả thực nghiệm trên cặp ngôn ngữ Anh - Việt và Việt - Anh chứng minh rằng, mô hình do chúng tôi đề xuất đạt hiệu năng vượt trội so với các mô hình trước đó.

Bài giảng Xử lý ngôn ngữ tự nhiên (Natural language processing): Bài 9 cung cấp cho học viên những nội dung về: dịch máy; ba khối chính trong dịch máy; các phương pháp dịch máy; cách tiếp cận siêu ngôn ngữ sử dụng nghĩa; dịch máy thống kê; thuật toán dóng hàng từ;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Học sâu và ứng dụng - Bài 11: Một số ứng dụng học sâu trong xử lý ngôn ngữ tự nhiên (Phần 2). Bài này cung cấp cho học viên những nội dung về: bài toán sinh văn bản character-RNN; giới thiệu về bài toán dịch máy; mô hình NMT; cơ chế chú ý (attention);... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Học sâu và ứng dụng: Bài 11 Một số ứng dụng học sâu trong xử lý ngôn ngữ tự nhiên (tiếp theo), cung cấp cho người học những kiến thức như: Bài toán sinh văn bản: Character-RNN; Giới thiệu về bài toán dịch máy; Mô hình NMT; Cơ chế chú ý (attention).

Luận án trình bày các nội dung chính sau: Phương pháp dựa vào luật thủ công cho bài toán đảo trật tự trong dịch máy thống kê; Phương pháp sử dụng các luật tự động bằng học máy với phân lớp; Phương pháp sử dụng mạng nơ-ron kết hợp các thông tin ngữ cảnh; Ảnh hưởng của cây phân tích cú pháp phụ thuộc vào xây dựng hệ thống thử nghiệm.

Đề tài trình bày phương pháp dịch thống kê dựa trên cụm từ là phương pháp cho kết quả dịch tốt nhất. Để dịch hiệu quả thì bảng cụm từ phải lớn chính vì vậy việc lưu trữ và tìm kiếm trong bảng cụm từ là rất quan trọng. Mời các bạn cùng tham khảo!

Đề tài này nghiên cứu và tìm hiểu mô hình ngôn ngữ xây dựng dựa trên cấu trúc dữ liệu Bloom Filter. Không lưu trữ toàn bộ tập n-gram giống như các mô hình truyền thống, loại mô hình ngôn ngữ này sử dụng một quy trình mã hóa đặc biệt, cho phép chia sẻ một cách hiệu quả các bit khi lưu trữ thông tin thống kê n-gram, nhờ đó tiết kiệm đáng kể bộ nhớ. Mời các bạn cùng tham khảo!

Đề tài nghiên cứu và đánh giá các phương pháp dịch máy, những ưu điểm và hạn chế, sau đó tìm ra phương pháp có hiệu quả và đề xuất áp dụng cho bài toán đề tài đặt ra. Phương pháp dịch thống kê dựa trên cụm từ là phương pháp cho kết quả dịch tốt nhất hiện nay. Điều này được thể hiện của qua các hệ dịch máy của Google, Vietgle. Mời các bạn cùng tham khảo!

Trong phạm vi khóa luận sẽ trình bày về mô hình Transformer – một mô hình dịch máy hình hoàn toàn chỉ dựa vào kĩ thuật attention và ứng dụng vào dịch máy Trung-Việt. Mời các bạn tham khảo!

Ngày nay, với sự hỗ trợ mạnh mẽ của phần cứng máy tính và Internet, dịch máy đã cho kết quả dịch có thể chấp nhận được và nhiều ứng dụng dịch đã được đưa vào sử dụng: Dịch tiếng nói; dịch tự động giữa nhiều ngôn ngữ khác nhau (Google Translate hỗ trợ dịch giữa hơn 100 thứ tiếng khác nhau); dịch các phụ đề phim; dịch các trang Web;... Chất lượng dịch máy ngày càng được cải thiện, hứa hẹn sẽ mang đến nhiều ứng dụng trong nhiều lĩnh vực khác nhau. Mời các bạn cùng tham khảo nội dung luận án.