بررسی نقش یادگیری ماشین چند وجهی در ترجمه متون و پردازش زبان طبیعی

امروزه پیشرفت‌های یادگیری ماشین چند وجهی به هوش مصنوعی کمک کرده است تا بیشتر شبیه به هوش انسانی باشد و بتواند رسانه را به صورت محسوس درک نماید. در این مقاله ما به بررسی تحقیقات پیشرفته در زمینه رسانه های ترجمه یادگیری ماشین دوطرفه در تصاویر به همراه پردازش زبان طبیعی (nlp) پرداخته ایم. اخیرا با پیشرفت‌های معماری مدل‌های یادگیری عمیق و روش‌های یادگیری در زمینه‌های پردازش تصویر و nlp، پیشرفت‌های قابل توجهی در ترجمه‌های یادگیری ماشین چندوجهی حاصل شده است که می‌توانند با ادغام تصویر و nlp محتوی ملموس تری را بسازد. در این مقاله روش پژوهش به‌صورت سیستماتیک و در سه مرحله طراحی شده است. ابتدا معیارهای ارزیابی و رویکردهای موجود در ترجمه‌ی چندوجهی با استفاده از پایگاه‌های داده‌ی علمی جمع‌آوری و تحلیل شده اند. سپس، مدل های برجسته بر روی مجموعه‌داده‌های استاندارد با معیارهای کمی و کیفی متفاوت مورد آزمایش قرار گرفته اند. در نهایت، چالش‌های روش‌های بازیابی-محور و تولید-محور با استفاده از آنالیز خطا و نظرسنجی از متخصصان مورد بحث و بررسی قرار گرفته اند.