• Refine your search:
  • 
    Keyword
  • 
    Creator / Publisher
  • 
    Year
  • 
    Medium:
    
    • Online (189)
  • 
    Type
  • 
    BLLDB-Access

Search in the Catalogues and Directories

All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year AND OR AND NOT All fields Title Creator / Publisher Keyword Year Sort by creator [A → Z]' creator [Z → A]' publishing year ↑ (asc)' publishing year ↓ (desc)' title [A → Z]' title [Z → A]' Simple Search Page: 1 2 3 4 5...10 Hits 1 – 20 of 189 1 Neural MT and Human Post-editing : a Method to Improve Editorial Quality Barbin, Franck In: ISSN: 1134-8941 ; Interlingüística ; https://halshs.archives-ouvertes.fr/halshs-03603590 ; Interlingüística, Alacant [Spain] : Universitat Autònoma de Barcelona, 2022, pp.15-36 (2022) BASE Show details 2 Le modèle Transformer: un « couteau suisse » pour le traitement automatique des langues Yvon, François In: Techniques de l'Ingenieur ; https://hal.archives-ouvertes.fr/hal-03619077 ; Techniques de l'Ingenieur, Techniques de l'ingénieur, 2022, ⟨10.51257/a-v1-in195⟩ ; https://www.techniques-ingenieur.fr/base-documentaire/innovation-th10/innovations-en-electronique-et-tic-42257210/transformer-des-reseaux-de-neurones-pour-le-traitement-automatique-des-langues-in195/ (2022) BASE Show details 3 The use of MT by undergraduate translation students for different learning tasks Bindels, Joop; Pluymaekers, Mark In: https://hal.archives-ouvertes.fr/hal-03547415 ; 2022 (2022) BASE Show details 4 Machine Translation and Gender biases in video game localisation: a corpus-based analysis Rivas Ginel, María,; Theroine, Sarah In: https://hal.archives-ouvertes.fr/hal-03540605 ; 2022 (2022) BASE Show details 5 Neural machine translation and language teaching : possible implications for the CEFR ... Delorme Benites, Alice; Lehr, Caroline. - : Vereinigung für Angewandte Linguistik in der Schweiz, 2022 BASE Show details 6 MCSQ Translation Models (en-ru) (v1.0) Variš, Dušan. - : Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL), 2022 BASE Show details 7 MCSQ Translation Models (en-de) (v1.0) Variš, Dušan. - : Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL), 2022 BASE Show details 8 Characterizing News Portrayal of Civil Unrest in Hong Kong, 1998–2020 ... The Joint Conference of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing 2021; ., Giovanna Maria Dora; Bhattacharya, Rohit. - : Underline Science Inc., 2022 BASE Show details 9 Language of AI ... Bylieva, Daria. - : Technology and Language, 3(1), 111-126, 2022 BASE Show details 10 An Initial Investigation of Neural Decompilation for WebAssembly ; En Första Undersökning av Neural Dekompilering för WebAssembly Benali, Adam. - : KTH, Skolan för elektroteknik och datavetenskap (EECS), 2022 Abstract: WebAssembly is a new standard of the World Wide Web that is used as a compilation target and which is meant to enable high-performance applications. As it becomes more popular, the need for corresponding decompilers increases, for security reasons for instance. However, building an accurate decompiler capable of restoring the original source code is a complicated task. Recently, Neural Machine Translation (NMT) has been proposed as an alternative to traditional decompilers which involve a lot of manual and laborious work. We investigate the viability of Neural Machine Translation for decompiling WebAssembly binaries to C source code. The state-of-the-art transformer and LSTM sequence-to-sequence (Seq2Seq) models with attention are experimented with. We build a custom randomly-generated dataset ofWebAssembly to C pairs of source code and use different metrics to quantitatively evaluate the performance of the models. Our implementation consists of several processing steps that have the WebAssembly input and the C output as endpoints. The results show that the transformer outperforms the LSTM based neural model. Besides, while the model restores the syntax and control-flow structure with up to 95% of accuracy, it is incapable of recovering the data-flow. The different benchmarks on which we run our evaluation indicate a drop of decompilation accuracy as the cyclomatic complexity and the nesting of the programs increase. Nevertheless, our approach has a lot of potential, encouraging its usage in future works. ; WebAssembly est un nouveau standard du World Wide Web utilisé comme cible de compilation et qui est principalement destiné à exécuter des applications dans un navigateur Web avec des performances supérieures. À mesure que le langage devient populaire, le besoin en rétro-ingénierie des fichiers WebAssembly binaires se ressent. Toutefois, la construction d’un bon décompilateur capable de restaurer du code source plus aussi proche que possible de l’original est une tâche compliquée. Récemment, la traduction automatique neuronale a été proposée comme alternative aux décompilateurs traditionnels qui impliquent du travail fastidieux, coûteux et difficilement adaptable à d’autres langages. Nous investiguons les chances de succès de la traduction automatique neuronale pour décompiler des fichiers binaires WebAssembly en code source C. Les modèles du transformeur et du LSTM séquence-à-séquence (Seq2Seq) sont utilisés. Nous construisons un jeu de données généré de manière aléatoire constitué de paires de code source WebAssembly et C et nous utilisons différentes métriques pour évaluer quantitativement les performances des deux modèles. Notre implémentation consiste en plusieurs phases de traitement qui reçoivent en entrée le code WebAssembly et produisent en sortie le code source C. Les résultats montrent que le transformeur est plus performant que le modèle basé sur les LSTMs. De plus, bien que le modèle puisse restaurer la syntaxe ainsi que la structure de contrôle du programme avec jusqu’à 95% de précision, il est incapable de produire un flux de données équivalent. Les différents jeux de données produits indiquent une chute de performance à mesure que la complexité cyclomatique ainsi que le niveau d’imbrication augmentent. Nous estimons, toutefois, que cette approche possède du potentiel. ; WebAssembluy är en ny standard för World Wide Web som används som ett kompileringsmål och som är tänkt att möjliggöra högpresterande applikationer i webbläsaren. När det blir mer populärt ökar behovet av motsvarande dekompilatorer. Att bygga en exakt dekompilator som kan återställa den ursprungliga källkoden är dock en komplicerad uppgift. Nyligen har Neural Maskinöversättning (NMT) föreslagits som ett alternativ till traditionella dekompilatorer som innebär mycket manuellt och mödosamt arbete. Vi undersöker genomförbarheten hos Neural Maskinöversättning för dekompilering av WebAssembly -binärer till C -källkod. De toppmoderna transformer och LSTM sequence-to-sequence (Seq2Seq) modellerna med attention experimenteras med. Vi bygger en anpassad slumpmässigt genererad dataset för WebAssembly till C-källkodspar och använder olika mätvärden för att kvantitativt utvärdera modellernas prestanda. Vår implementering består av flera bearbetningssteg som har WebAssembly -ingången och C -utgången som slutpunkter. Resultaten visar att transformer överträffar den LSTM -baserade neuralmodellen. Även om modellen återställer syntaxen och kontrollflödesstrukturen med upp till 95 % noggrannhet, är den oförmögen att återställa dataflödet. De olika benchmarks som vi använder vår utvärdering på indikerar en minskning av dekompilationsnoggrannheten när den cyklomatiska komplexiteten och häckningen av programmen ökar. Vi tror dock att detta tillvägagångssätt har stor potential. Keyword: Computer Sciences; Datavetenskap (datalogi); Décompilation; Decompilation; Dekompilering; Neural Machine Translation; Neural Maskinöversättning; Rétro-Ingénierie; Reverse Engineering; Traduction Automatique Neuronale; WebAssembly URL: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-310093 BASE Hide details 11 Lexical Diversity in Statistical and Neural Machine Translation Mojca Brglez; Špela Vintar In: Information; Volume 13; Issue 2; Pages: 93 (2022) BASE Show details 12 A Survey of Automatic Source Code Summarization Chunyan Zhang; Junchao Wang; Qinglei Zhou; Ting Xu; Ke Tang; Hairen Gui; Fudong Liu In: Symmetry; Volume 14; Issue 3; Pages: 471 (2022) BASE Show details 13 Neural Models for Measuring Confidence on Interactive Machine Translation Systems Ángel Navarro; Francisco Casacuberta In: Applied Sciences; Volume 12; Issue 3; Pages: 1100 (2022) BASE Show details 14 Impact of Sentence Representation Matching in Neural Machine Translation Heeseung Jung; Kangil Kim; Jong-Hun Shin; Seung-Hoon Na; Sangkeun Jung; Sangmin Woo In: Applied Sciences; Volume 12; Issue 3; Pages: 1313 (2022) BASE Show details 15 Retrieval-Based Transformer Pseudocode Generation Anas Alokla; Walaa Gad; Waleed Nazih; Mustafa Aref; Abdel-Badeeh Salem In: Mathematics; Volume 10; Issue 4; Pages: 604 (2022) BASE Show details 16 Evaluating the Impact of Integrating Similar Translations into Neural Machine Translation Arda Tezcan; Bram Bulté In: Information; Volume 13; Issue 1; Pages: 19 (2022) BASE Show details 17 Some Contributions to Interactive Machine Translation and to the Applications of Machine Translation for Historical Documents Domingo Ballester, Miguel. - : Universitat Politècnica de València, 2022 BASE Show details 18 Neural-based Knowledge Transfer in Natural Language Processing Wang, Chao. - 2022 BASE Show details 19 Investigating alignment interpretability for low-resource NMT Zanon Boito, Marcely; Villavicencio, Aline; Besacier, Laurent In: ISSN: 0922-6567 ; EISSN: 1573-0573 ; Machine Translation ; https://hal.archives-ouvertes.fr/hal-03139744 ; Machine Translation, Springer Verlag, 2021, ⟨10.1007/s10590-020-09254-w⟩ (2021) BASE Show details 20 Gender Bias in Neural Translation: a preliminary study ; Biais de genre dans un système de traduction automatique neuronale : une étude préliminaire Wisniewski, Guillaume; Zhu, Lichao; Ballier, Nicolas... In: Actes de la 28e Conférence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conférence principale ; Traitement Automatique des Langues Naturelles ; https://hal.archives-ouvertes.fr/hal-03265895 ; Traitement Automatique des Langues Naturelles, 2021, Lille, France. pp.11-25 ; https://talnrecital2021.inria.fr/ (2021) BASE Show details Page: 1 2 3 4 5...10

Mobile view All Catalogues UB Frankfurt Linguistik 0 IDS Mannheim 0 OLC Linguistik 0 UB Frankfurt Retrokatalog 0 DNB Subject Category Language 0 Institut für Empirische Sprachwissenschaft 0 Leibniz-Centre General Linguistics (ZAS) 0 Bibliographies BLLDB 0 BDSL 0 IDS Bibliografie zur deutschen Grammatik 0 IDS Bibliografie zur Gesprächsforschung 0 IDS Konnektoren im Deutschen 0 IDS Präpositionen im Deutschen 0 IDS OBELEX meta 0 MPI-SHH Linguistics Collection 0 MPI for Psycholinguistics 0 Linked Open Data catalogues Annohub 0 Online resources Link directory 0 Journal directory 0 Database directory 0 Dictionary directory 0 Open access documents BASE 189 Linguistik-Repository 0 IDS Publikationsserver 0 Online dissertations 0 Language Description Heritage 0