Uniwersyteckie Czasopisma NaukoweNakład pracy podczas posteditingu. Badanie pilotażowe
DOI:
https://doi.org/10.26881/bp.2019.4.03Słowa kluczowe:
przekład maszynowy, para językowa angielski>polski, postedycja, wysiłek postedycyjny, badanie pilotażowe, silniki tłumaczenia maszynowegoAbstrakt
Niniejszy artykuł zawiera opis metodologii i wyników badania pilotażowego dotyczącego wpływu silników tłumaczenia maszynowego na tempo i nakład pracy związanej z postedycją. Czternaścioro ochotników dokonało tłumaczenia i postedycji dwóch tekstów źródłowych o podobnym charakterze i stopniu skomplikowania. Uzyskane wyniki zebrano i porównano, a na podstawie stworzonego w ten sposób zbioru danych ilościowych i jakościowych wyciągnięto ogólne wnioski dotyczące tempa i jakości pracy postedytora. Celem opisanego poniżej badania pilotażowego było określenie, czy zastosowana w nim metoda może zostać z powodzeniem wykorzystana podczas dogłębniejszych badań nad jakością i wpływem przekładu maszynowego w parze językowej angielski>polski oraz potencjałem rozwiązań MT na polskim rynku tłumaczeniowym.
Downloads
Bibliografia
Allen, Jeffrey (2003). “Post-editing”. In: Harold Somers (ed.). Computers and Translation: A Translator’s Guide. Amsterdam – Philadelphia: John Benjamins, 297-317.
Avramidis, Eleftherios (2017). “Comparative quality estimation for machine translation observations on machine learning and features”. The Prague Bulletin of Mathematical Linguistics 108/1: 307-318.
Bengio, Yoshua, Rejean Ducharme, Pascal Vincent, Christian Jauvin (2003). “A neural probabilistic language model”. Journal of Machine Learning Research 3: 1137-1155.
Bentivogli, Luisa, Arianna Bisazza, Mauro Cettolo, Marcello Federico (2016). “Neural versus phrase-based machine translation quality: A case study”. In: Jian Su, Kevin Duh, Xavier Carreras (eds.). Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing. Austin, USA: Association for Computational Linguistics, 257-267.
Bojar, Ondrej, Rajen Chatterjee, Christian Federmann, Yvette Graham, Barry Haddow, Matthias Huck, Antonio Jimeno Yepes, Philipp Koehn, Varvara Logacheva, Christof Monz, Matteo Negri, Aurelie Neveol, Mariana Neves, Martin Popel, Matt Post, Raphael Rubino, Carolina Scarton, Lucia Specia, Marco Turchi, Karin Verspoor, Marcos Zampieri (2016). “Findings of the 2016 Conference on Machine Translation (WMT16)”. In: Ondrej Bojar, Rajen Chatterjee, Christian Federmann, Yvette Graham, Barry Haddow, Matthias Huck, Antonio Jimeno Yepes, Philipp Koehn, Varvara Logacheva, Christof Monz, Matteo Negri, Aurelie Neveol, Mariana Neves, Martin Popel, Matt Post, Raphael Rubino, Carolina Scarton, Lucia Specia, Marco Turchi, Karin Verspoor, Marcos Zampieri (eds.). Proceedings of the First Conference on Machine Translation. Volume 2: Shared Task Papers. Berlin: Association for Computational Linguistics, 131-198.
Callison-Burch, Chris, Cameron Fordyce, Philipp Koehn, Christof Monz, Josh Schroeder (2007). “(Meta-) Evaluation of machine translation”. In: Chris Callison-Burch, Philipp Koehn (eds.). StatMT'07 Proceedings of the Second Workshop on Statistical Machine Translation. Stroudsburg, USA: Association for Computational Linguistics, 136-158.
Fiederer, Rebecca, Sharon O’Brien (2009). “Quality and machine translation: A realistic objective?”. The Journal of Specialised Translation 11: 52-74. Available at <https://www.jostrans.org/issue11/art_fiederer_obrien.pdf>. Accessed 12.07.2019.
Graham, Yvette, Quingsong Ma, Timothy Baldwin, Qun Liu, Carla Parra, Carolina Scarton, (2017). “Improving evaluation of document-level machine translation quality estimation”. In: Mirella Lapata, Phil Blunsom, Alexander Koller (eds.). Proceedings of the 15th Conference of the European Chapter of the Association for Computational Linguistics: Volume 2: Short Papers. Valencia: Association for Computational Linguistics, 356-361.
Han, Lifeng, Derek F. Wong, Lidia S. Chao (2017). “Machine Translation Evaluation Resources and Methods: A Survey”. Cornell University Library. Available at <https://arxiv.org/abs/1605.04515>. Accessed 12.07.2019.
Hutchins, John, Harold L. Somers (1992). An Introduction to Machine Translation. London: Academic Press.
Koehn, Philipp (2010). Statistical Machine Translation. Cambridge: Cambridge University Press.
Snover, Matthew, Bonnie Dorr, Richard Schwartz, Linnea Micciulla, John Makhoul (2006). “A study of translation edit rate with targeted human annotation”. In: Laurie Gerber, Nizar Habash, Alon Lavie (eds.). Proceedings of the 7th Conference of the Association for Machine Translation in the Americas. Cambridge, USA: AMTA, 223-231.
Specia, Lucia, Atefeh Farzindar (2010). “Estimating machine translation post-editing effort with HTER”. Conference Paper at AMTA 2010-workshop, Bringing MT to the User: MT Research and the Translation Industry. Denver, USA, 31.10–4.11.2010.
White, John, Theresa O’Connel, Francis O’Mara (1994). “The ARPA MT evaluation methodologies: Evolution, lessons, and future approaches”. In: Muriel Vasconcellos( ed.). Proceedings of the First Conference of the Association for Machine Translation in the Americas. Columbia, USA: AMTA, 193-205.
Wu, Yonghui, Mike Schuster, Zhifeng Chen, Quoc V. Le, Mohammad Norouzi (2016). “Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation”. Cornell University Library. Available at <https://arxiv.org/pdf/1609.08144.pdf>. Accessed 12.07.2019.
