dc.contributor.author | Κυριακή, Πέτρου | el |
dc.date.accessioned | 2020-12-18T07:55:01Z | |
dc.date.available | 2020-12-18T07:55:01Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/52598 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.20296 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Μηχανική μετάφραση | el |
dc.subject | Επεξεργασία Φυσικής Γλώσσας | el |
dc.subject | Ακολουθιακά δίκτυα | el |
dc.subject | Δίκτυα Μακράς Βραχυπρόθεσμης Μνήμης | el |
dc.subject | Επίπεδα προσοχής | el |
dc.subject | Βαθιά μηχανική μάθηση | el |
dc.subject | Neural machine translation | en |
dc.subject | Long Short Term Memory (LSTM) | en |
dc.subject | Sequence learning | en |
dc.subject | Natural Language Processing | en |
dc.title | Μηχανική Μετάφραση της Αγγλικής Γλώσσας στην Ελληνική με χρήση Βαθιών Νευρωνικών Δικτύων | el |
dc.contributor.department | Εργαστήριο Ευφυών Συστημάτων | el |
heal.type | bachelorThesis | |
heal.classification | Natural Language Processing | el |
heal.language | el | |
heal.access | campus | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2020-11-24 | |
heal.abstract | Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η αυτοματοποιημένη μηχανική μετάφραση της αγγλικής γλώσσας στην ελληνική, με χρήση μοντέλων βαθιάς μηχανικής μάθησης. Το πρόβλημα της μηχανικής μετάφρασης ανήκει στον τομέα της υπολογιστικής γλωσσολογίας και επικεντρώνεται στη μετάφραση κειμένου ή λόγου από μια γλώσσα σε μια άλλη αξιοποιώντας την τεχνητή νοημοσύνη, τα μαθηματικά, τη λογική, τη γλωσσολογία και άλλες επιστήμες, ώστε να αυτοματοποιήσει τη διαδικασία με όσο το δυνατόν καλύτερο αποτέλεσμα. Στην εργασία αυτή θα εξετάσουμε αρχιτεκτονικές νευρωνικών δικτύων, οι οποίες δίνουν πολύ ενθαρρυντικά αποτελέσματα σε σύγκριση με τις κλασικές μεθόδους της στατιστικής μηχανικής μετάφρασης. Οι μεθοδολογίες που αναπτύσσονται αφορούν μοντέλα κωδικοποίησης της πηγαίας γλώσσας και αποκωδικοποίησης της στη γλώσσα στόχο. | el |
heal.abstract | The objective of this dissertation is to study the problem of neural machine translation from English to Greek using deep learning techniques. Machine translation is a subfield of computational linguistics and natural language processing which enables an automatic translation of sentences or speech from one language to another by leveraging artificial intelligence, mathematics, logic linguistics and other scientific areas, in order to automate the procedure, obtaining the best possible outcome. In the current dissertation, we are going to examine deep neural architectures that have recently achieved promising results, compared to statistical machine translation models. The μethodologies outlined in this work are related to models encoding the source language and decoding it to the target language. More specifically, we are going to use sequential models that include long shortterm memory networks for the encoding and decoding of data. We are going to experiment with the usage of single and bidirectional related networks in the encoder and following, we will try to improve the encoding procedure, adding an attention mechanism. Moreover, we will try to deal with problems arising during translation, using the beam search algorithm. Finally, we discuss weaknesses in matching concepts among the two languages as well as limitations due to the insufficient volume of data. | en |
heal.advisorName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | |
heal.committeeMemberName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | el |
heal.committeeMemberName | Κόλλιας, Στέφανος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 65 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: