Publikace detail

Application of POS Tagging in Machine Translation Evaluation

Autoři: Benko Ľubomír | Munkova Dasa

Rok: 2016

Druh publikace: článek ve sborníku

Název zdroje: DIVAI 2016 ‐ 11th International Scientific Conference on Distance Learning in Applied Informatics

Název nakladatele: Wolters Kluwer ČR, a. s.

Místo vydání: Praha

Strana od-do: 471-479

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Aplikace POS tagů v evaluaci strojových překladů	Cílem papíru je představit proces zpracování v plném rozsahu také v strojového překladu z angličtiny do slovenštiny jako zástupce flektivní jazyk přirozeného jazyka. Naším cílem je ve fázi přípravy dat pro automatické hodnocení strojového překladu přes POS značkování. Se skládá z několika kroků, ale jen prvním krokem přípravné fáze pro hodnocení způsobilosti MT - vytvoření dataset paralelní korpus je hluboce popsán. Zaměřujeme se na zdrojové kolekce text různých stylů a žánrů dataset strojového překladu a vytváření kolekce. Jsou dva systémy strojového překladu používají webové SMT Google translator API a MT@EC. Jako morfologii se používá analýza nástroj TreeTagger. Proces vytvoření dataset, který zahrnuje nejen vytváření paralelních korpusů, ale i vznik chyby databáze slovenských slov morfologická anotace, je analyzován. Hlavním přínosem je tvořena nový přístup k výzkumu MT hodnocení od POS značkování (stroj metody učení), k identifikaci rozdílů mezi MT výstup a po upraveného strojového překladu. Essential zem výzkumu je analýza chyby strojového překladu, jejich identifikace a klasifikace, z angličtiny do slovenštiny.	Evaluace; Kvalita strojového překladu; POS tagging; Tokenizace
eng	Application of POS Tagging in Machine Translation Evaluation	The aim of the paper is to present a process of natural language processing in its full extent as well as in machine translation from English language into Slovak as a representative of inflectional language. We aim at the data preparation phase for automatic evaluation of machine translation through POS tagging. The preparation phase for MT evaluation consists of several steps, but only the first step - creation of dataset-parallel corpus is deeply described. We focus on the source text collection of various styles and genres-dataset creation and machine translation collection. Two machine translation systems are used-web SMT Google translator API and MT@EC. As a morphology analyzing tool-TreeTagger is used. The process of dataset creation, which covers not only parallel corpora creation, but also creation of errors' database of Slovak words with morphological annotation, is analyzed. The main contribution consists of a novel approach to research of MT evaluation given by the POS tagging (machine learning methods), to identify differences between MT output and post-edited machine translation output. The ground essential of the research is machine translation errors analysis, their identification and classification, from English language into Slovak.	Natural language processing; Evaluation; Machine Translation quality; Sentence alignment; Tokenization; POS tagging

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte