Kodierungsphase: spärliche Semantikextraktion
Die Methode nutzt in der Kodierungsphase ein spärliches semantisches Extraktionsmodul, das auf L1‑Norm‑Beschränkungen und Wörterbuchlernen basiert, um die Eingabesequenz kompakt zu repräsentieren und zentrale Informationen zu kulturellen Begriffen zu verstärken.
Dekodierungsphase: Diffusionsbasierte Textrekonstruktion
Im Dekodierungsabschnitt wird ein Diffusions‑Generierungsmechanismus eingesetzt, der den Zieltext schrittweise durch mehrstufiges Rauschentfernen rekonstruiert. Zusätzlich werden zeitschritt‑bewusste Schaltvorgänge und Einschränkungen aus einer kulturellen Ontologie integriert, um die Extraktion kultureller Merkmale und die Textgenerierung gemeinsam zu optimieren.
Leistungsbewertung gegenüber Vergleichsmodellen
Nach Angaben der Autoren übertrifft das Modell etablierte Ansätze wie Transformer, mBART‑50 und DiffuSeq. Auf langen Nachrichtensätzen (mindestens 46 Wörter) erreichte es BLEU‑4‑Werte von 27,8 % und METEOR‑Werte von 29,2 %.
Ergebnisse im Wortschatz‑freien Szenario
Im Szenario ohne registrierten Wortschatz lag die Genauigkeit bei 73,7 % und die Rückrufrate bei 65,2 %. Der kulturelle semantische Konsistenzindex betrug 0,892.
Implikationen für die maschinelle Übersetzung
Die Ergebnisse deuten darauf hin, dass die Kombination aus spärlicher Codierung und Diffusions‑Generierung schwache semantische Erkennungen unterstützt und schrittweise semantische Wiederherstellungen ermöglicht, wodurch ein technischer Pfad für kulturübergreifende maschinelle Übersetzung in internationalen Nachrichten eröffnet wird.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access).
Ende der Uebertragung