Fugu-MT 論文翻訳(概要): Assessing Post-editing Effort in the English-Hindi Direction

論文の概要: Assessing Post-editing Effort in the English-Hindi Direction

arxiv url: http://arxiv.org/abs/2112.09841v1
Date: Sat, 18 Dec 2021 04:26:19 GMT
ステータス: 処理完了
システム内更新日: 2021-12-23 03:35:58.632680
Title: Assessing Post-editing Effort in the English-Hindi Direction
Title（参考訳）: 英語ヒンディー語における後編集作業の評価
Authors: Arafat Ahsan, Vandan Mujadia and Dipti Misra Sharma
Abstract要約: 我々は、スクラッチと後処理条件からの翻訳において、割り当てられたタスクを交互に完了するプロの翻訳者による制御実験を行う。後編集では翻訳時間を63%減らし,キーストロークを59%減らし,スクラッチからの翻訳に比べて停止回数を63%減らした。
参考スコア（独自算出の注目度）: 9.261262983245167
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present findings from a first in-depth post-editing effort estimation study in the English-Hindi direction along multiple effort indicators. We conduct a controlled experiment involving professional translators, who complete assigned tasks alternately, in a translation from scratch and a post-edit condition. We find that post-editing reduces translation time (by 63%), utilizes fewer keystrokes (by 59%), and decreases the number of pauses (by 63%) when compared to translating from scratch. We further verify the quality of translations thus produced via a human evaluation task in which we do not detect any discernible quality differences.
Abstract（参考訳）: 本研究は,複数の作業指標に沿った英ヒンディー方向における,最初の詳細な編集後作業推定結果から得られた知見である。我々は、スクラッチと後処理条件からの翻訳において、割り当てられたタスクを交互に完了するプロの翻訳者による制御実験を行う。ポスト編集は翻訳時間(63%)を削減し、キーストローク(59%)を少なくし、スクラッチから翻訳するよりもポーズ数(63%)を減少させることがわかった。さらに, 識別可能な品質差を検出できない人間評価タスクによって生成された翻訳品質の検証を行う。

関連論文リスト

Understanding and Addressing the Under-Translation Problem from the Perspective of Decoding Objective [72.83966378613238]
最新のニューラル・マシン・トランスレーション(NMT)システムでは、アンダー・トランスレーションとオーバー・トランスレーションの2つの課題が残っている。我々は,NMTにおけるアンダートランスレーションの根本原因を詳細に分析し,デコード目的の観点から解説する。本研究は,低翻訳の検知器としてEOS(End Of Sentence)予測の信頼性を活用し,低翻訳のリスクが高い候補を罰する信頼性に基づくペナルティを強化することを提案する。
論文参考訳（メタデータ） (2024-05-29T09:25:49Z)
Iterative Translation Refinement with Large Language Models [25.90607157524168]
本稿では,翻訳を自己修正するために,大規模言語モデルを反復的に提案する。また,評価における課題と,人間のパフォーマンスと翻訳との関係についても論じる。
論文参考訳（メタデータ） (2023-06-06T16:51:03Z)
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)
Analyzing and Reducing the Performance Gap in Cross-Lingual Transfer with Fine-tuning Slow and Fast [50.19681990847589]
既存の研究では、1つの(ソース)言語で微調整された多言語事前学習言語モデルが、非ソース言語の下流タスクでもうまく機能していることが示されている。本稿では、微調整プロセスを分析し、パフォーマンスギャップがいつ変化するかを分析し、ネットワークの重みが全体のパフォーマンスに最も影響するかを特定する。
論文参考訳（メタデータ） (2023-05-19T06:04:21Z)
Divergence-Based Domain Transferability for Zero-Shot Classification [78.55044112903148]
事前訓練されたニューラルネットワークモデルから学習パターンを転送することで、さまざまな言語ベースのタスクにおける効果が大幅に向上することが示されている。中間タスクが目的タスクと十分に関係している場合、中間タスクのさらなるチューニングにより、さらなるパフォーマンス上のメリットが示される。しかし、関連するタスクの特定方法はオープンな問題であり、効果的なタスクの組み合わせをブルートフォースで探すのは非常に高価である。
論文参考訳（メタデータ） (2023-02-11T16:04:38Z)
Competency-Aware Neural Machine Translation: Can Machine Translation Know its Own Translation Quality? [61.866103154161884]
ニューラルマシン翻訳(NMT)は、意識せずに起こる失敗に対してしばしば批判される。本稿では,従来のNMTを自己推定器で拡張することで,新たな能力認識型NMTを提案する。提案手法は品質評価において優れた性能を示すことを示す。
論文参考訳（メタデータ） (2022-11-25T02:39:41Z)
Towards Debiasing Translation Artifacts [15.991970288297443]
確立されたバイアス除去手法を拡張して,翻訳文の削減のための新しい手法を提案する。我々は、反復的ヌル空間投影(INLP)アルゴリズムを用いて、デバイアス前後の分類精度を計測することにより、文レベルと単語レベルの両方で翻訳文が削減されることを示す。我々の知る限りでは、これは潜伏埋め込み空間で表現される翻訳語をデビアスする最初の研究である。
論文参考訳（メタデータ） (2022-05-16T21:46:51Z)
Neural Machine Translation Quality and Post-Editing Performance [0.04654201857155095]
我々は高品質なニューラルMT(NMT)に注力し、それ以来最先端のアプローチとなり、ほとんどの翻訳会社にも採用されている。すべてのモデルにおいて、優れたMTシステムによって、この業界環境での文の変化が少ないことが分かりました。句ベースのMTの結果とは対照的に、BLEUは時間や最終的な出力品質の安定な予測器ではない。
論文参考訳（メタデータ） (2021-09-10T17:56:02Z)
Backtranslation Feedback Improves User Confidence in MT, Not Quality [18.282199360280433]
アウトバウンド翻訳に対するユーザーの信頼感と、全体的な最終品質に影響を与える3つの方法を紹介します。本稿では,英語からチェコ語,エストニア語へのアウトバウンド翻訳実験について述べる。逆変換のフィードバックは、プロセス全体に対して混合効果を持つ: 生成した翻訳に対するユーザの信頼度を高めるが、客観的な品質ではない。
論文参考訳（メタデータ） (2021-04-12T17:50:24Z)
Computer Assisted Translation with Neural Quality Estimation and Automatic Post-Editing [18.192546537421673]
本稿では,機械翻訳出力の品質推定と自動編集のためのエンドツーエンドのディープラーニングフレームワークを提案する。我々のゴールは、誤り訂正の提案を提供することであり、解釈可能なモデルにより、人間の翻訳者の負担を軽減することである。
論文参考訳（メタデータ） (2020-09-19T00:29:00Z)
A Set of Recommendations for Assessing Human-Machine Parity in Language Translation [87.72302201375847]
我々は、ハサンらの中国語から英語への翻訳調査を再評価する。専門家による翻訳では誤りが著しく少なかった。
論文参考訳（メタデータ） (2020-04-03T17:49:56Z)

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。