|
|
Rich Features in Phrase-Based Machine Translation
Kos, Kamil ; Bojar, Ondřej (advisor) ; Žabokrtský, Zdeněk (referee)
In this thesis we investigate several methods how to improve the quality of statistical machine translation (MT) by using linguistically rich information. First, we describe SemPOS, a metric that uses shallow semantic representation of sentences to evaluate the translation quality. We show that even though this metric has high correlation with human assessment of translation quality it is not directly suitable for system parameter optimization. Second, we extend the log-linear model used in statistical MT by additional source-context model that helps to better distinguish among possible translation options and select the most promising translation for a given context.
|
|
|
Adaptace nových metrik strojového překladu pro češtinu
Kos, Kamil ; Bojar, Ondřej (advisor) ; Žabokrtský, Zdeněk (referee)
V předložené práci studujeme poloautomatické způsoby hodnocení systémů strojového překladu, které jsou založeny na porovnávání výstupu systému s lidskými překlady zdrojového textu. V minulých letech byly navrženy rozličné metriky. Některé používají pouze porovnávání unigramů, jiné se snaží využít i syntaktické nebo sémantické informace. Cílem této práce je porovnat korelaci vybraných metrik s lidskými hodnoceními a navrhnout nejvhodnější metriky pro hodnocení systémů strojového překladu, které překládají z cizího jazyka do češtiny. Součástí práce je implementace nástroje, který dané metriky počítá.
|
|
|
Rich Features in Phrase-Based Machine Translation
Kos, Kamil ; Žabokrtský, Zdeněk (referee)
Title: Rich Features in Phrase-Based Machine Translation Author: Kamil Kos Department: Institute of Formal and Applied Linguistics Supervisor: RNDr. Ondřej Bojar, Ph.D. Supervisor's e-mail address: bojar@ufal.mff.cuni.cz Keywords: machine translation, quality evaluation, source-context model, suffix array Abstract: In this thesis we investigate several methods how to improve the quality of statistical machine translation (MT) by using linguistically rich information. First, we describe SemPOS, a metric that uses shallow semantic representation of sentences to evaluate the translation quality. We show that even though this metric has high correlation with human assessment of translation quality it is not directly suitable for system parameter optimization. Second, we extend the log-linear model used in statistical MT by addi- tional source-context model that helps to better distinguish among possible translation options and select the most promising translation for a given context.
|
|
|
Rich Features in Phrase-Based Machine Translation
Kos, Kamil ; Žabokrtský, Zdeněk (referee)
Title: Rich Features in Phrase-Based Machine Translation Author: Kamil Kos Department: Institute of Formal and Applied Linguistics Supervisor: RNDr. Ondřej Bojar, Ph.D. Supervisor's e-mail address: bojar@ufal.mff.cuni.cz Keywords: machine translation, quality evaluation, source-context model, suffix array Abstract: In this thesis we investigate several methods how to improve the quality of statistical machine translation (MT) by using linguistically rich information. First, we describe SemPOS, a metric that uses shallow semantic representation of sentences to evaluate the translation quality. We show that even though this metric has high correlation with human assessment of translation quality it is not directly suitable for system parameter optimization. Second, we extend the log-linear model used in statistical MT by addi- tional source-context model that helps to better distinguish among possible translation options and select the most promising translation for a given context.
|
|
|
Rich Features in Phrase-Based Machine Translation
Kos, Kamil ; Bojar, Ondřej (advisor) ; Žabokrtský, Zdeněk (referee)
In this thesis we investigate several methods how to improve the quality of statistical machine translation (MT) by using linguistically rich information. First, we describe SemPOS, a metric that uses shallow semantic representation of sentences to evaluate the translation quality. We show that even though this metric has high correlation with human assessment of translation quality it is not directly suitable for system parameter optimization. Second, we extend the log-linear model used in statistical MT by additional source-context model that helps to better distinguish among possible translation options and select the most promising translation for a given context.
|
|
|
Adaptace nových metrik strojového překladu pro češtinu
Kos, Kamil ; Žabokrtský, Zdeněk (referee) ; Bojar, Ondřej (advisor)
V předložené práci studujeme poloautomatické způsoby hodnocení systémů strojového překladu, které jsou založeny na porovnávání výstupu systému s lidskými překlady zdrojového textu. V minulých letech byly navrženy rozličné metriky. Některé používají pouze porovnávání unigramů, jiné se snaží využít i syntaktické nebo sémantické informace. Cílem této práce je porovnat korelaci vybraných metrik s lidskými hodnoceními a navrhnout nejvhodnější metriky pro hodnocení systémů strojového překladu, které překládají z cizího jazyka do češtiny. Součástí práce je implementace nástroje, který dané metriky počítá.
|
guest ::
