Detailseite
Projekt Druckansicht

Handlungs- und perzeptionsbezogenes Lernen für Statistische Maschinelle Übersetzung

Fachliche Zuordnung Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
Förderung Förderung von 2014 bis 2019
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 259623987
 
Erstellungsjahr 2019

Zusammenfassung der Projektergebnisse

Successful machine learning from complex structured data as in machine translation or semantic parsing requires large amounts of manually annotated training structures for supervised learning. The project investigates techniques to alleviate the annotation bottleneck by grounding meaning transfer in natural language processing in feedback from simulated or real-world interactive environments. The proposed algorithms for “response-based learning” can be analyzed theoretically in the framework of bandit/reinforcement learning. Important innovations concern theoretical and empirical justification for off-policy learning under deterministic logging, constituting a prerequisite to guarantee safe and stable response-based learning in commercial settings. The algorithms presented in the project have been successfully applied in academic and commercial settings.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung