論文の概要: TranSmart: A Practical Interactive Machine Translation System

• arxiv url: http://arxiv.org/abs/2105.13072v1
• Date: Thu, 27 May 2021 11:40:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-29 02:12:20.686618
• Title: TranSmart: A Practical Interactive Machine Translation System
• Title（参考訳）: transmart: 実用的な対話型機械翻訳システム
• Authors: Guoping Huang, Lemao Liu, Xing Wang, Longyue Wang, Huayang Li, Zhaopeng Tu, Chengyan Huang and Shuming Shi
• Abstract要約: 本手法では,人間と機械の対話型翻訳システムであるTrranSmartを紹介する。 TranSmartは、ワードレベルのオートコンプリート、文レベルのオートコンプリート、翻訳メモリという3つの重要な機能をサポートしている。
• 参考スコア（独自算出の注目度）: 55.56599843216742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic machine translation is super efficient to produce translations yet their quality is not guaranteed. This technique report introduces TranSmart, a practical human-machine interactive translation system that is able to trade off translation quality and efficiency. Compared to existing publicly available interactive translation systems, TranSmart supports three key features, word-level autocompletion, sentence-level autocompletion and translation memory. By word-level and sentence-level autocompletion, TranSmart allows users to interactively translate words in their own manners rather than the strict manner from left to right. In addition, TranSmart has the potential to avoid similar translation mistakes by using translated sentences in history as its memory. This report presents major functions of TranSmart, algorithms for achieving these functions, how to use the TranSmart APIs, and evaluation results of some key functions. TranSmart is publicly available at its homepage (https://transmart.qq.com).
• Abstract（参考訳）: 自動機械翻訳は翻訳を行うのに非常に効率的であるが、その品質は保証されていない。 本手法では,翻訳品質と効率をトレードオフできる人間機械対話型翻訳システムであるTranSmartを紹介する。 既存の対話型翻訳システムと比較して、TranSmartは単語レベルのオートコンプリート、文レベルのオートコンプリート、翻訳メモリという3つの重要な機能をサポートしている。 TranSmartは、単語レベルと文レベルの自動補完によって、ユーザーは左から右へ厳格なやり方ではなく、自分のやり方で対話的に単語を翻訳できる。 さらにTranSmartは、歴史の翻訳文をメモリとして使用することで、類似の翻訳ミスを避けることができる。 本稿では,TranSmartの主要な機能,これらの機能を実現するアルゴリズム,TranSmart APIの使用方法,重要な機能の評価結果について述べる。 TranSmartはホームページ(https://transmart.qq.com)で公開されている。

関連論文リスト

• Creating Domain-Specific Translation Memories for Machine Translation Fine-tuning: The TRENCARD Bilingual Cardiology Corpus [0.0]
  本稿では,翻訳者が主に使用する翻訳ツールを活用した半自動TM作成手法を紹介する。 TRENCARD Corpusと呼ばれる結果のコーパスには、約80,000のソースワードと5万の文がある。
  論文  参考訳（メタデータ） (2024-09-04T12:48:30Z)
• TasTe: Teaching Large Language Models to Translate through Self-Reflection [82.83958470745381]
  大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて顕著な性能を示した。 本稿では,自己回帰を通した翻訳を行うTasTeフレームワークを提案する。 WMT22ベンチマークにおける4つの言語方向の評価結果から,既存の手法と比較して,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-06-12T17:21:21Z)
• Synslator: An Interactive Machine Translation Tool with Online Learning [19.6690111454278]
  インタラクティブ機械翻訳(IMT)は、コンピュータ支援翻訳パラダイムの進歩として登場した。 本稿では、IMTをサポートするだけでなく、リアルタイム翻訳記憶を用いたオンライン学習にも長けているユーザフレンドリーなコンピュータ支援翻訳(CAT)ツールであるSynslatorを紹介する。
  論文  参考訳（メタデータ） (2023-10-08T06:05:55Z)
• SeamlessM4T: Massively Multilingual & Multimodal Machine Translation [90.71078166159295]
  音声から音声への翻訳,音声からテキストへの翻訳,テキストからテキストへの翻訳,最大100言語の自動音声認識をサポートする単一モデルSeamlessM4Tを紹介する。 我々は、音声とテキストの両方に英語を翻訳できる最初の多言語システムを開発した。 FLEURSでは、SeamlessM4Tが複数のターゲット言語への翻訳の新しい標準を設定し、音声からテキストへの直接翻訳において、以前のSOTAよりも20%BLEUの改善を実現している。
  論文  参考訳（メタデータ） (2023-08-22T17:44:18Z)
• MTUncertainty: Assessing the Need for Post-editing of Machine Translation Outputs by Fine-tuning OpenAI LLMs [6.822926897514793]
  TQEは機械翻訳(MT)と人間翻訳(HT)の両方の品質を基準翻訳なしで評価する上で重要である。 この目的のために,最先端の大規模言語モデル (LLM) が利用できるかを検討する。 OpenAIモデルを最先端技術として捉え、バイナリ分類タスクとしてTQEにアプローチします。
  論文  参考訳（メタデータ） (2023-07-31T21:13:30Z)
• The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning [50.320178219081484]
  人文翻訳と機械翻訳の両方の長所を生かした能動的学習手法を提案する。 理想的な発話選択は、翻訳されたデータの誤りとバイアスを著しく低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T05:57:47Z)
• Measuring Cross-Lingual Transferability of Multilingual Transformers on Sentence Classification [49.8111760092473]
  文分類タスクにおける多言語変換器のための言語間変換可能性指標IGapを提案する。 実験の結果,IGapは転送可能性測定と転送方向ランキングの基準値よりも優れていた。 その結果,多言語トランスフォーマーの理解を深める上で,言語間移動の3つの知見が得られた。
  論文  参考訳（メタデータ） (2023-05-15T17:05:45Z)
• Easy Guided Decoding in Providing Suggestions for Interactive Machine Translation [14.615314828955288]
  我々は、新しい制約付きデコーディングアルゴリズム、すなわちPrefix Suffix Guided Decoding (PSGD)を提案する。 PSGDは平均で10.87ドルのBLEUと8.62ドルのBLEUをWeTSとWMT 2022のTranslation Suggestionデータセットで改善している。
  論文  参考訳（メタデータ） (2022-11-14T03:40:02Z)
• Self-Supervised Representations Improve End-to-End Speech Translation [57.641761472372814]
  自己教師付き事前学習機能により,翻訳性能が一貫的に向上することを示す。 言語間の変換は、チューニングの必要なく、あるいはほとんどチューニングすることなく、さまざまな言語に拡張することができる。
  論文  参考訳（メタデータ） (2020-06-22T10:28:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。