인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Domain adaptation, a fundamental task in deep learning, aims to mitigate performance degradation caused by domain shifts. Domain adaptation has been a significant focus in the field of neural machine translation, and ongoing research is dedicated to addressing this challenge. The existing kNN-MT-based domain adaptation methodologies are inefficient because of the large size of the datastore. Subsequent studies attempted to reduce the size of the datastore to shorten the search time; however, a trade-off between size and performance existed. In this study, we propose adaptively resizing datastore for k-nearest neighbor machine translation (ARK-MT), a methodology that adaptively adjusts the size of the datastore according to the confidence scores of the translation model. The experimental findings demonstrate that, compared with existing methods, the ARK-MT model exhibited superior performance across all four domains examined. Moreover, the results validated that ARK-MT reduces the inference time through efficient computational operations.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093154341
