論文の概要: ParaTaxe: a Suite of Tools for Processing and Publishing Multi-parallel Corpora

• arxiv url: http://arxiv.org/abs/2610.32796v1
• Date: Fri, 23 Oct 2026 15:38:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.597099
• Title: ParaTaxe: a Suite of Tools for Processing and Publishing Multi-parallel Corpora
• Title（参考訳）: ParaTaxe: マルチ並列コーパスの処理とパブリッシングのためのツールスイート
• Abstract要約: 本稿では,ACR Grimm Tradalign と ParaTaxe プロジェクトで開発されたオープンソースツールについて紹介する。 このスイートには、多言語埋め込みに基づくAIlign整合器、コーパスの変換と整合のためのPython処理パイプライン、TEI-Publisherで構築された整合コーパスを探索するWebインターフェースが含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the past fifteen years, digital tools for parallelizing and aligning textual corpora have developed significantly within the field of digital humanities. Several projects and software tools have been created to compare different translations or versions of texts. Despite these technical advances, many parallel corpora produced in academic contexts quickly become inaccessible online due to the lack of maintenance or funding. To address this gap, we present a suite of open-source tools developed within the ACR Grimm Tradalign and ParaTaxe projects. This suite includes the AIlign aligner, based on multilingual embeddings, a Python processing pipeline for converting and aligning corpora, a web interface called ParaTaxe for managing collections of parallel corpora, and a web interface for exploring aligned corpora built with TEI-Publisher.
• Abstract（参考訳）: 過去15年間で、テキストコーパスの並列化と調整のためのデジタルツールは、デジタル人文科学の分野において著しく発展してきた。 異なる翻訳やバージョンのテキストを比較するために、いくつかのプロジェクトやソフトウェアツールが作成されている。 これらの技術的進歩にもかかわらず、学術的な文脈で生産される多くの平行コーパスは、維持や資金不足のため、すぐにオンラインでアクセスできなくなる。 このギャップに対処するため、ACR Grimm Tradalign と ParaTaxe プロジェクトで開発されたオープンソースのツールスイートを紹介します。 このスイートには、多言語埋め込みに基づくAIlign整合器、コーパスの変換と整合のためのPython処理パイプライン、並列コーパスのコレクションを管理するParaTaxeと呼ばれるWebインターフェース、TEI-Publisherで構築された整合コーパスを探索するWebインターフェースが含まれている。

関連論文リスト

• APEX-VW: A Document-Level English-Spanish Post-Editing Dataset in the Healthcare Domain [7.333648670424977]
  機械翻訳(MT)出力のポスト編集(PE)は、しばしば多くのセグメントで同じ語彙的・用語的修正を繰り返す。 本稿では、最近のNHSバーチャルワード文書とプロ翻訳をTrados Studioで構築した、英語とスペイン語の新たなオープンデータセットであるAPEX-VW Corpusを提案する。 WMT APE corpora、eSCAPE、MLQE-PE、LangMarkといった以前のリソースとは異なり、データセットはドキュメントの順序とCAT-toolコンテキストを保存する。
  論文  参考訳（メタデータ） (2026-08-08T10:54:44Z)
• Gym-Anything: Turn any Software into an Agent Environment [67.2443447990221]
  Gym-Anythingは、あらゆるソフトウェアをインタラクティブなコンピュータ利用環境に変換するためのフレームワークである。 CUA-Worldは、医学、天文学、工学、エンタープライズシステムなど、領域にまたがる10万以上の長期的タスクのコレクションである。
  論文  参考訳（メタデータ） (2026-04-07T17:38:15Z)
• Development and Evolution of Xtext-based DSLs on GitHub: An Empirical Investigation [3.6239962192634865]
  Xtext関連のプロジェクトを含む1002のGitHubリポジトリを分析した。 私たちは、開発シナリオ、進化活動、関連するアーティファクトの共進化を含むDSL開発プラクティスを調査しました。 その結果、ほとんどの分析済みDSLは文法駆動のアプローチに従ったが、メタモデル駆動のアプローチを採用した者もいた。
  論文  参考訳（メタデータ） (2025-01-31T15:28:38Z)
• Process Algebra Based Tool Coordination Architectures in Raku and Go [0.0]
  本稿では,プロセス代数を用いたプロジェクトソフトウェア工学の現在進行中の研究について述べる。 この新しいシミュレーターは、プロセス代数に基づいたツールコーディネートアーキテクチャであるToolBusを使用する。 プログラミング言語のRakuとGoでは、ToolBusのプリミティブを実装しています。
  論文  参考訳（メタデータ） (2024-06-24T12:54:17Z)
• Bilingual Corpus Mining and Multistage Fine-Tuning for Improving Machine Translation of Lecture Transcripts [50.00305136008848]
  本研究では,並列コーパスマイニングのためのフレームワークを提案し,Coursera の公開講義から並列コーパスを迅速かつ効果的にマイニングする方法を提案する。 日英両国の講義翻訳において,約5万行の並列コーパスを抽出し,開発・テストセットを作成した。 また,コーパスの収集とクリーニング,並列文のマイニング,マイニングデータのクリーニング,高品質な評価スプリットの作成に関するガイドラインも提案した。
  論文  参考訳（メタデータ） (2023-11-07T03:50:25Z)
• ChatDev: Communicative Agents for Software Development [84.90400377131962]
  ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。 これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
  論文  参考訳（メタデータ） (2023-07-16T02:11:34Z)
• Creating and Managing a large annotated parallel corpora of Indian languages [0.9558392439655014]
  本稿では,12の主要言語からなる大規模並列コーパスの作成と管理の課題について述べる。 Webベースの(スタンドアローンバージョンも削減された)アノテーションツールILCIANNが開発されている。
  論文  参考訳（メタデータ） (2021-12-03T07:44:22Z)
• AVATAR: A Parallel Corpus for Java-Python Program Translation [77.86173793901139]
  プログラム翻訳とは、ある言語から別の言語へソースコードを移行することを指す。 AVATARは9,515のプログラミング問題とそのソリューションをJavaとPythonという2つの人気のある言語で記述したものです。
  論文  参考訳（メタデータ） (2021-08-26T05:44:20Z)
• CDA: a Cost Efficient Content-based Multilingual Web Document Aligner [97.98885151955467]
  多言語のWebドキュメントをコンテンツに基づいて整列させる、Content-based Document Alignmentアプローチを紹介します。 我々はtf-idfを用いたベクトル表現構築に語彙翻訳モデルを利用する。 実験によると、cdaは堅牢でコスト効率が高く、(i)大規模でノイズの多いwebデータの処理や(ii)新しくて低リソースな言語へのスケーリングにおいて著しく優れている。
  論文  参考訳（メタデータ） (2021-02-20T03:37:23Z)
• Word Alignment by Fine-tuning Embeddings on Parallel Corpora [96.28608163701055]
  並列コーパス上の単語アライメントには、翻訳語彙の学習、言語処理ツールの言語間変換、翻訳出力の自動評価や解析など、幅広い応用がある。 近年,複数言語で訓練された言語モデル(LM)から抽出した事前学習された単語埋め込みが,並列データに対する明示的な訓練がなくても,単語アライメントタスクにおける競合的な結果が得られることを示す研究も行われている。 本稿では,事前学習したLMの活用と,アライメント品質の向上を目的とした並列テキストによる微調整,提案という2つのアプローチの結婚方法を検討する。
  論文  参考訳（メタデータ） (2021-01-20T17:54:47Z)
• A High-Quality Multilingual Dataset for Structured Documentation Translation [101.41835967142521]
  本稿では,文書領域を対象とした高品質な多言語データセットを提案する。 エンタープライズソフトウェアプラットフォームのオンラインドキュメントからXML構造化の並列テキストセグメントを収集します。
  論文  参考訳（メタデータ） (2020-06-24T02:08:44Z)

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。