Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

The Use of Residual Analysis to Improve the Error Rate Accuracy of Machine Translation
Autoři: Benko L'ubomir | Munkova Dasa | Munk Michal | Benkova Lucia | Hájek Petr
Rok: 2024
Druh publikace: článek v odborném periodiku
Název zdroje: Scientific Reports
Název nakladatele: Nature Publishing Group
Místo vydání: London
Strana od-do: nestránkováno
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Využití analýzy reziduí ke zlepšení přesnosti chybové míry strojového překladu Cílem studie je porovnat dva různé přístupy ke strojovému překladu – statistický a neuronový – s využitím automatických metrik chybové míry a reziduí. Zkoumali jsme čtyři dostupné online systémy strojového překladu (statistický Google Translate, neuronový Google Translate a dva nástroje Evropské komise – statistický mt@ec a neuronový eTranslation) prostřednictvím jejich výstupů. Navrhujeme využití analýzy reziduí ke zlepšení přesnosti chybové míry strojového překladu. Rezidua představují nový přístup k porovnávání kvality výstupů statistických a neuronových překladů. Studie přináší nové poznatky o hodnocení kvality strojového překladu z angličtiny a němčiny do slovenštiny pomocí automatických metrik chybové míry. V kategorii predikce a syntakticko-sémantické korelativnosti vykazoval statistický strojový překlad výrazně vyšší chybovost než neuronový překlad. Naopak v kategorii lexikální sémantiky vykazoval neuronový překlad výrazně vyšší chybovost než statistický překlad. Výsledky naznačují, že samotné spoléhání na referenční text při určování kvality překladu je nedostatečné. Pokud je však kombinováno s analýzou reziduí, poskytuje objektivnější pohled na kvalitu strojového překladu a usnadňuje porovnání statistického a neuronového překladu. strojový překlad; kvalita
eng The Use of Residual Analysis to Improve the Error Rate Accuracy of Machine Translation The aim of the study is to compare two different approaches to machine translation-statistical and neural-using automatic MT metrics of error rate and residuals. We examined four available online MT systems (statistical Google Translate, neural Google Translate, and two European commission's MT tools-statistical mt@ec and neural eTranslation) through their products (MT outputs). We propose using residual analysis to improve the accuracy of machine translation error rate. Residuals represent a new approach to comparing the quality of statistical and neural MT outputs. The study provides new insights into evaluating machine translation quality from English and German into Slovak through automatic error rate metrics. In the category of prediction and syntactic-semantic correlativeness, statistical MT showed a significantly higher error rate than neural MT. Conversely, in the category of lexical semantics, neural MT showed a significantly higher error rate than statistical MT. The results indicate that relying solely on the reference when determining MT quality is insufficient. However, when combined with residuals, it offers a more objective view of MT quality and facilitates the comparison of statistical MT and neural MT. machine translation; quality