СОПОСТАВИТЕЛЬНЫЙ АНАЛИЗ ДООБУЧЕНИЯ МУЛЬТИЯЗЫЧНЫХ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ МАШИННОГО ПЕРЕВОДА ДЛЯ УЗБЕКСКО-РУССКОЙ ЯЗЫКОВОЙ ПАРЫ
DOI:
https://doi.org/10.66345/stj.v4i3/2.5233Keywords:
нейронный машинный перевод, дообучение моделей, узбекско-русская языковая пара, NLLB-200, M2M-100, mBART-50, низкоресурсные языки, BLEU, трансферное обучение.Abstract
В статье представлен сопоставительный анализ шести мультиязычных моделей нейронного машинного перевода (NLLB-200, M2M-100, mBART-50, OPUS-MT, Google Neural MT, SeamlessM4T) применительно к узбекско-русской языковой паре. Описан процесс дообучения (fine-tuning) указанных моделей на параллельном корпусе объёмом 185 тыс. выровненных сегментов. Качество перевода оценивалось по метрикам BLEU, chrF и TER. Результаты экспериментов показали, что наибольший прирост качества после дообучения демонстрирует модель NLLB-200-3.3B, достигшая значения BLEU 31,6 в направлении узбекский-русский. Обсуждены типичные ошибки каждой модели, предложены рекомендации по выбору архитектуры и стратегии дообучения для низкоресурсных тюркских языков.
Downloads
References
1. Хусаинова А. М., Романов В. А., Хан А. М. Многоязычный машинный перевод с помощью иерархического трансформера // Вестник ВГУ. Серия: Системный анализ и информационные технологии. – 2022. № 1. – С. 125-138.
2. Wang R., Utiyama M., Sumita E. A Survey on Low-Resource Neural Machine Translation // Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence (IJCAI-21). – 2021. – P. 4636-4643.
3. Signoroni R., Rychlý P. Efficient Architectures For Low-Resource Machine Translation // Proceedings of the 8th Workshop on Technologies for Machine Translation of Low-Resource Languages. – 2025. – P. 39-64.
4. https://huggingface.co/docs/transformers/en/model_doc/nllb
5. Негматулоев О. О., Жорник Д. О., Мельников А. В. Разработка модели нейронного машинного перевода для мансийского языка // Системная инженерия и информационные технологии. – 2025. Т. 7, № 2(21). – С. 30-47
6. Post M. A Call for Clarity in Reporting BLEU Scores // Proceedings of the Third Conference on Machine Translation: Research Papers. Brussels, Belgium, – 2018. – P. 186-191.
7. Popović M. chrF deconstructed: beta parameters and n-gram weights // Proceedings of the First Conference on Machine Translation. Berlin, Germany, – 2016. – P. 499-504.
