Une m\'ethode discriminant formation simple pour la traduction automatique avec Grands Caract\'eristiques

Marge infus{\'e} algorithmes d{\'e}tendus (MIRAS) dominent mod{\`e}le de tuning dans la traduction automatique statistique dans le cas des grandes caract{\'e}ristiques de l{'}{\'e}chelle, mais ils sont {\'e}galement c{\'e}l{\`e}bres pour la complexit{\'e} de mise en {\oe}uvre. Nous introduisons une nouvelle m{\'e}thode, qui concerne une liste des N meilleures comme une permutation et minimise la perte Plackett-Luce de permutations rez-de-v{\'e}rit{\'e}. Des exp{\'e}riences avec des caract{\'e}ristiques {\`a} grande {\'e}chelle d{\'e}montrent que, la nouvelle m{\'e}thode est plus robuste que MERT ; si ce est seulement {\`a} rattacher avec Miras, il a un avantage comparativement, plus facile {\`a} mettre en {\oe}uvre.

PDF Abstract
No code implementations yet. Submit your code now

Tasks


Datasets


  Add Datasets introduced or used in this paper

Results from the Paper


  Submit results from this paper to get state-of-the-art GitHub badges and help the community compare results to other papers.

Methods


No methods listed for this paper. Add relevant methods here