СРАВНИТЕЛЬНОЕ АНАЛИЗ МНОГОЯЗЫЧНЫХ ТРАНСФОРМЕРНЫХ МОДЕЛЕЙ ДЛЯ ПЕРЕВОДА С КАЗАХСКОГО ЯЗЫКА НА ГЛОССИРОВАННОЕ ПРЕДСТАВЛЕНИЕ

Аннотация

:   Казахский язык жестов находится в центре внимания ученых. В последние десятилетия все больше внимания уделяется созданию технологий, способных устранить барьеры в общении и взаимодействии между людьми с ограниченными возможностями и обществом. Отсутствие параллельного корпуса в языке жестов открывает тему перевода текста в глосс для неотложных и углубленных исследований. К сожалению, цифровые технологии недоступны людям с нарушениями слуха и речи. Перевод текста в глосс по-прежнему актуален для казахского языка жестов. В частности, из-за того, что один язык жестов имеет несколько значений, синтез его в глосс в программной среде занимает много времени.

В данной статье рассматривается перевод текста в глосс с использованием пяти различных моделей на основе многоязычного трансформера. То есть изучается, являются ли модели быстрее или медленнее в чтении и потребляют ли они больше или меньше ресурсов. Для проведения эксперимента были выбраны модели mBART-large-50, M2M100-418M, mT5-base, MarianMT и T5-base. Все эти модели были обучены с использованием одинаковых параметров. Результаты оценивались с использованием широко распространенных метрик стандартов (BLEU, ROUGE-L и chrF++), а также был проведен качественный анализ моделей. В ходе исследования было установлено, что более крупные многоязычные модели обеспечивают более точный перевод. Хотя модели mBART-large-50 и M2M100-418M показали хорошие результаты, остальные, меньшие по размеру многоязычные модели, оказались быстрее и менее ресурсоемкими. Перевод текста в глоссарий по-прежнему актуален для казахского языка жестов. В частности, из-за того, что один язык жестов имеет несколько значений, синтез его в глоссарий в среде программирования занимает значительное количество времени.