論文の概要: Incorporating Human Translator Style into English-Turkish Literary Machine Translation

• arxiv url: http://arxiv.org/abs/2307.11457v1
• Date: Fri, 21 Jul 2023 09:39:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 13:02:31.771753
• Title: Incorporating Human Translator Style into English-Turkish Literary Machine Translation
• Title（参考訳）: 英トルコ文学機械翻訳に人間の翻訳スタイルを取り入れること
• Authors: Zeynep Yirmibe\c{s}o\u{g}lu, Olgun Dursun, Harun Dall{\i}, Mehmet \c{S}ahin, Ena Hodzik, Sabri G\"urses, Tunga G\"ung\"or
• Abstract要約: 我々は,翻訳者のスタイリスティックな特徴を考慮した機械翻訳モデルを開発した。 対象機械翻訳において,人間の翻訳スタイルを高度に再現できることが示される。
• 参考スコア（独自算出の注目度）: 0.26168876987285306
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Although machine translation systems are mostly designed to serve in the general domain, there is a growing tendency to adapt these systems to other domains like literary translation. In this paper, we focus on English-Turkish literary translation and develop machine translation models that take into account the stylistic features of translators. We fine-tune a pre-trained machine translation model by the manually-aligned works of a particular translator. We make a detailed analysis of the effects of manual and automatic alignments, data augmentation methods, and corpus size on the translations. We propose an approach based on stylistic features to evaluate the style of a translator in the output translations. We show that the human translator style can be highly recreated in the target machine translations by adapting the models to the style of the translator.
• Abstract（参考訳）: 機械翻訳システムは主に一般のドメインで機能するように設計されているが、文学翻訳など他のドメインに適応する傾向が強まっている。 本稿では,英トルコ語文体翻訳に注目し,翻訳者の文体的特徴を考慮した機械翻訳モデルを開発する。 我々は、特定の翻訳者の手作業による学習済み機械翻訳モデルを微調整する。 本稿では,手作業および自動アライメント,データ拡張手法,コーパスサイズが翻訳に与える影響について詳細に分析する。 出力変換における翻訳者のスタイルを評価するためのスタイル的特徴に基づく手法を提案する。 対象の機械翻訳において、翻訳者のスタイルにモデルを適用することにより、人間の翻訳スタイルを高度に再現できることを示す。

関連論文リスト

• (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [52.18246881218829]
  本稿では,大言語モデル(LLM)をベースとした多エージェントフレームワークを,TransAgentsという企業として実装した。 本システムの有効性を評価するため,モノリンガル・ヒューマン・プライス(MHP)とバイリンガル・LLM・プライス(BLP)の2つの革新的な評価戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-20T05:55:08Z)
• Advancing Translation Preference Modeling with RLHF: A Step Towards Cost-Effective Solution [57.42593422091653]
  人間のフィードバックによる強化学習の活用による翻訳品質の向上について検討する。 強力な言語能力を持つ報酬モデルは、翻訳品質の微妙な違いをより敏感に学習することができる。
  論文  参考訳（メタデータ） (2024-02-18T09:51:49Z)
• 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)
• Decomposed Prompting for Machine Translation Between Related Languages using Large Language Models [55.35106713257871]
  DecoMTは、単語チャンク翻訳のシーケンスに翻訳プロセスを分解する、数発のプロンプトの新しいアプローチである。 DecoMTはBLOOMモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-22T14:52:47Z)
• 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)
• Translate your gibberish: black-box adversarial attack on machine translation systems [0.0]
  我々は、ロシア語から英語への翻訳作業において、最先端の機械翻訳ツールを騙すための簡単なアプローチを提示する。 Google、DeepL、Yandexなど多くのオンライン翻訳ツールが、非意味な逆入力クエリに対して間違ったあるいは攻撃的な翻訳を生成する可能性があることを示す。 この脆弱性は、新しい言語を理解することを妨げ、単に機械翻訳システムを使用する際のユーザエクスペリエンスを悪化させる可能性がある。
  論文  参考訳（メタデータ） (2023-03-20T09:52:52Z)
• Applying Automated Machine Translation to Educational Video Courses [0.0]
  オンラインビデオ教育分野における機械翻訳の自動化能力について検討した。 テキスト音声合成と音声/ビデオ同期を応用し、ターゲット言語でのエンゲージメントビデオの構築を行った。
  論文  参考訳（メタデータ） (2023-01-09T01:44:29Z)
• Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
  我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。 我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
  論文  参考訳（メタデータ） (2020-10-07T15:44:55Z)
• 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)
• Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
  機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。 自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。 また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
  論文  参考訳（メタデータ） (2020-04-09T17:54:30Z)

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。