|
|
Bilingual Dictionary Based Neural Machine Translation
Tikhonov, Maksim ; Beneš, Karel (oponent) ; Kesiraju, Santosh (vedoucí práce)
The development in the recent few years in the field of machine translation showed us that modern neural machine translation systems are capable of providing results of outstanding quality. However, in order to obtain such a system, one requires an abundant amount of parallel training data, which is not available for most languages. One of the ways to improve the quality of machine translation of low-resource languages is data augmentation. This work investigates the task of Bilingual dictionary-based neural machine translation (BDBNMT), the basis of which is the use of the augmentation technique that allows the generation of noised data based on bilingual dictionaries. My aim was to explore the capabilities of BDBNMT systems on different language pairs and under different initial conditions and then compare the obtained results with those of traditional neural machine translation systems.
|
|
|
Současné trendy v oblasti překladových technologií
Havlín, Viktor ; Krhutová, Milena (oponent) ; Šťastná, Dagmar (vedoucí práce)
Bakalářská práce shrnuje dostupnou literaturu o překladatelských technologiích. O historii strojového překladu se hojně hovoří a nabízí různé pohledy na strojový překlad z různých zemí. Hlavní přístupy ke strojovému překladu jsou uvedeny a u každého z nich jsou uvedeny příklady, jak fungují. Nejznámější strojové překladače jsou předvedeny. Je podán stručný přehled hodnocení překladů a mluví se o počítačem podporovaném překladu a různých nástrojích. Výhody a nevýhody těchto systémů jsou taktéž zpracovány. Posun v oblasti překladatelství je předveden. Na závěr je v praktické části ukázána potřeba lidského zásahu a post-editace do dnešních překladatelských technologií.
|
|
| |
|
|
Úspěšnost strojového překladu z francouzštiny do češtiny v závislosti na typu textu
KUPKOVÁ, Aneta
Cílem této bakalářské práce je sledovat, jak se mění kvalita strojového překladu z francouzštiny do češtiny v závislosti na funkčním stylu textu. Práce je rozdělena do třech hlavních částí. První teoretická část je zaměřena na vznik, historii strojového překladu a jeho využití, poté budou charakterizovány přístupy strojového překladu, vznik a historii online překladačů, představení překladačů Google Translate a Microsoft Bing Translator. Dále jsou uvedeny ruční a automatické metody hodnocení úspěšnosti strojového překladu. Nakonec je krátce popsán původ a současné rozdělení funkčních stylů v českém jazyce. Druhá metodologická část obsahuje hypotézy očekávané úspěšnosti překladu. Dále uvádí deset modelových textů vybraných pro analýzu a jejich stručná charakteristika. Na závěr této kapitoly je předveden model hodnocení, podle něhož se následně postupuje v praktické části. Praktická část zahrnuje analýzu úspěšnosti překladu deseti vybraných textů různého funkčního stylu pomocí hodnotícího systému BLEU.
|
|
|
Machine Translation Technology
Kadlec, Lukáš ; Kotásek, Miroslav (oponent) ; Froehling, Kenneth (vedoucí práce)
This bachelor thesis is aimed to examine different types of Machine Translation technology and the history of Machine Translations from the 1990s onwards. The thesis focuses on a more in-depth analysis of statistical machine translation (SMT), a brief specification of neural machine translation (NMT) and also two types of NMT – recurrent neural networks (RNN) and convolutional neural network (CNN). The next part of this thesis is about three applications that use neural machine translation – Google Translate, DeepL and SYSTRAN. This research paper also deals with the evaluation of machine translation (BLEU, WER, METEOR, TER, ROGUE).
|
|
|
Rich Features in Phrase-Based Machine Translation
Kos, Kamil ; Bojar, Ondřej (vedoucí práce) ; Žabokrtský, Zdeněk (oponent)
V této práci zkoumáme metody, jak zlepšit kvalitu statistického strojového překladu použitím bohaté lingvistické informace. Nejdříve popíšeme SemPOS - metriku, která využívá mělké sémantické reprezentace vět k hodnocení kvality strojového překladu. Ukážeme, že i když tato metrika dosahuje vysoké korelace s lidskými hodnoceními kvality překladu, není samostatně vhodná pro optimalizaci parametrů systémů strojového překladu. Za druhé rozšíříme základní log-lineární model používaný ve statistickém strojovém překladu o kontextový model zdrojové věty, který pomáhá lépe rozlišovat mezi různými možnostmi překladu dané fráze a pomáhá vybrat nejvhodnější překlad pro daný kontext v aktuální větě.
|
|
|
Automatic post-editing of phrase-based machine translation outputs
Rosa, Rudolf ; Mareček, David (vedoucí práce) ; Žabokrtský, Zdeněk (oponent)
Představujeme Depfix, systém pro samočinnou post-edititaci výstupů frázových strojových překladů z angličtiny do češtiny, založený na jazykovědných znalostech. Nejprve jsme rozebrali druhy chyb, kterých se dopouští typický strojový překladač. Poté jsme vytvořili sadu pravidel a statistickou komponentu, které opravují takové chyby, které jsou běžné nebo závažné a může přicházet v úvahu jejich oprava pomocí našeho přístupu. Používáme řadu nástrojů pro zpracování přirozeného jazyka, které nám poskytují rozbor vstupních vět. Navíc jsme reimplementovali závislostní analyzátor a několika způsoby jej upravili pro provádění rozboru výstupů statistických strojových překladačů. Provedli jsme automatická i ruční vyhodnocení, která potvrdila, že kvalita překladů se zpracováním v našem systému zlepšuje.
|
|
|
Machine Translation of Spoken English into Czech
Cífka, Ondřej ; Bojar, Ondřej (vedoucí práce) ; Helcl, Jindřich (oponent)
Automatický překlad mluvené řeči z jednoho jazyka do druhého se v dnešní době stává žádaným nástrojem k překonání jazykové bariéry. Tato práce se věnuje strojovému překladu mluvené angličtiny do češtiny jakožto pomůcce pro zahraniční turisty. Nejprve jsme z volně dostupných součástí sestavili plně funkční překladový systém a s jeho pomocí nasbírali od uživatelů ukázkové vstupy. Poté jsme se zaměřili na dvě nejdůležitější součásti systému - automatické rozpoznání řeči (ASR) a strojový překlad (MT) - a pokusili se je nahradit vlastními modely, přizpůsobenými pro danou doménu. Nakonec jsme tato vylepšení vyhodnotili na nasbíraných datech. Powered by TCPDF (www.tcpdf.org)
|
|
|
Porovnáni metod česko-ruského automatického překladu
Bílek, Karel ; Kuboň, Vladislav (vedoucí práce) ; Bojar, Ondřej (oponent)
V této práci představuji několik metod česko-ruského automatického pře- kladu, včetně jak více historických, tak více moderních systémů, a včetně jak frá- zových, tak pravidlových systémů. Nejdříve stručně popisuji lingvistické základy češtiny a ruštiny a jejich společnou historii a rozdíly. Poté popisuji automatizaci, vytváření a zlepšování některých ze systémů automatického překladu, společně s je- jich porovnáním, s použitím jak automatických metrik, tak omezené lidské anotace. Zároveň s tím také popisuji vytvoření několika korpusů česko-ruských paralelních dat a ruských monolingválních dat.
|
|
|
Metriky pro optimalizaci modelů strojového překladu
Macháček, Matouš ; Bojar, Ondřej (vedoucí práce) ; Popel, Martin (oponent)
Moderní automatické překladové systémy používají takzvaný loglineární model, který skládá dohromady více dílčích modelů a pomocí nich predikuje pravděpodobnost překladu dané věty. Každý dílčí model má v loglineárním modelu svojí váhu. Tyto váhy jsou dnes obecně optimalizovány na skóre automatické metriky BLEU, přestože jsou k dispozici i jiné metriky, z nichž některé korelují lépe s lidskými anotátory než metrika BLEU. V této práci zkoumáme ruzné metriky (PER, WER, CDER, TER, BLEU a SemPOS) z hlediska korelace s lidskými anotátory. Hloubeji se věnujeme metrice SemPOS a navrhujeme některé její aproximace a varianty. Uvedené metriky jsme použili v metodě MERT při optimalizaci překladového systému z angličtiny do češtiny a zkoumali jsme, jak optimalizování na ruzné automatické metriky ovlivní výslednou kvalitu systému. V rámci této práce jsme také některé metriky implementovali pro použití v metodě MERT.
|
host ::
RSS.