- 出版地点
- “Springer Science and Business Media LLC”
- 出版日期
- 21/11/2014
- 研究领域
全文链接[EN]我们进行了一次计算机辅助专业翻译的现场试验比较交互式翻译预测（ITP）与传统译后编辑（PE）机器翻译（MT）输出。与传统PE设置不同，其中机器翻译系统首先生成静态翻译假设，然后由ITP不断更新翻译假设实时响应用户编辑。我们的研究涉及九名专业翻译人员和四名审核员使用基于web的CasMaCat工作台。各种新的旨在帮助后期编辑/翻译的交互功能也在这方面进行了测试试验。我们的结果表明，即使很少培训，ITP也可以像按照完成最终翻译所需的总时间计算的传统PE。此外，与ITP合作的翻译编辑需要更少的按键他们翻译的最终版本。根据第287576号赠款协议（CasMaCat），这项工作得到了欧盟第七框架计划（FP7/2007-2013）的支持。Sanchis Trilles，G。；阿拉博，V。；巴克，C。；卡尔，M。；Casacuberta Nolla，F.公司。；加西亚·马丁内斯（Garcia Martinez），MM。；Germann，U.…（2014）。交互式翻译预测与传统译后编辑在实践中的比较：一项使用CasMaCat工作台的研究。机器翻译。28(3-4):217-235. https://doi.org/10.1007/s10590-014-9157-9S217235283-4Alabau网址V，Leiva LA，Ortiz-Martínez D，Casacuberta F（2012）交互式机器翻译系统的用户评估。摘自：《欧洲机器翻译协会第十六届年会会议记录》，第20–23页，Alabau V，Buck C，Carl M，Casacuberta F，García-Martinez M，Germann U，González-Rubio J，Hill R，Koehn P，Leiva L，Mesa-Lao B，Ortiz-Martínez D，Saint-Amand H，Sanchis-Trilles G，Tsoukala C（2014）Casmacat：计算机辅助翻译工作台。摘自：《计算语言学协会欧洲分会第14届会议记录》，第25-28页，Alves F，Vale D（2009）《探索翻译时间单位：存储、注释和查询翻译过程数据的web应用程序的设计和开发方面》。《跨越语言文化》10（2）：251–273巴赫N，Huang F，Al-Onaizan Y（2011）《善良：衡量机器翻译可信度的方法》。在：计算语言学协会年会论文集，第211–219页，Barrachina S，Bender O，Casacuberta F，Civera J，Cubel E，Khadivi S，Lagarda AL，Ney H，TomáS J，Vidal E，Vilar JM（2009）计算机辅助翻译的统计方法。计算语言学家35（1）：3–28Brown PF，Della Pietra SA，Della Petetra VJ（1993）统计机器翻译的数学：参数估计。计算语言学家19（2）：263–311 Callison-Burch C，Koehn P，Monz C，Post M，Soricut R，Specia L（2012）2012年统计机器翻译研讨会的结果。摘自：《第七届统计机器翻译研讨会论文集》，第10–51Carl M页（2012a），CRITT TPR-DB 1.0：实证人类翻译过程研究数据库。摘自：AMTA 2012年编辑后技术与实践研讨会论文集，第1–10Carl M（2012b）Translog-II：记录用户活动数据用于实证阅读和写作研究的程序。摘自：《第八届国际语言资源与评价会议论文集》，第4108–4112Carl M页（2014），《CRITT翻译过程研究数据库》。摘自：Ahrens B（ed）Translationswissenschaftliches Kolloquium III：Beiträge zurübersetzungs-und Dolmetschwissenschaft（Köln/Germersheim）。彼得·朗（Peter Lang），法兰克福（Frankfurt am Main），第247-266页，卡尔·M（Carl M），凯·M（Kay M）（2011），《翻译过程中的凝视和打字活动：专业和学生翻译人员翻译单位的比较研究》。Meta 56（4）：952–975Doherty S，O'Brien S，Carl M（2010），眼球追踪作为机器翻译评估技术。Mach Transl 24（1）：1–13Elming J，Carl M，Balling LW（2014）使用Casmacat工作台调查后期编辑和翻译中的用户行为。In：O'Brien S、Winther Balling L、Carl M、Simard M、Specia L（eds）机器翻译后编辑：过程和应用。剑桥学者出版社，泰恩河畔纽卡斯尔，第147–169页，Federico M，Cattelan A，Trombetti M（2012），《机器翻译中用户生产率的测量——增强型计算机辅助翻译》。摘自：美国机器翻译协会第十届两年期会议记录Flournoy R，Duran C（2009）《adobe的机器翻译和文档本地化：从试点到生产》。在：《MT峰会论文集》XIIGreen S，Heer J，Manning CD（2013）《人类后期编辑对语言翻译的功效》。摘自：SIGCHI计算机系统人为因素会议记录，第439–448页，Guerberof A（2009），mt后期编辑的生产力和质量。摘自：《机器翻译峰会论文集XII-研讨会：超越翻译记忆：翻译人员的新工具》，MTGuerberof A（2012），翻译记忆和机器翻译输出后编辑的生产力和质量。博士论文Just MA，Carpenter PA（1980）阅读理论：从注视到理解。《心理学评论》87（4）：329Koehn P（2009a）计算机辅助翻译的过程研究。Mach Transl 23（4）：241–263 Koehn P（2009b）基于网络的交互式计算机辅助翻译工具。摘自：《ACL-IJCNLP 2009软件演示会议录》，第17–20页，Krings HP（2001），《修复文本：机器翻译后编辑过程的实证研究》，第5卷。肯特州立大学出版社，KentLacruz I，Shreve GM，Angelone E（2012）《平均停顿率作为后期编辑中认知努力的指标：案例研究》。摘自：AMTA 2012年后编辑技术与实践研讨会论文集，第21–30页，Langlais P，Foster G，Lapalme G（2000）Transtype:A computeraid translation typeing system。摘自：2000年NAACL-ANLP嵌入式机器翻译系统研讨会论文集，第46–51页，Leiva LA，Alabau V，Vidal E（2013）交互式文本编辑的防错、高性能和上下文软件手势。摘自：2013年年度会议论文集《计算系统中的人为因素》扩展摘要，第1227–1232页Montgomery D（2004）《统计质量控制导论》。Wiley，Hoboken O'Brien S（2009）《翻译过程研究中的眼动追踪：方法论挑战和解决方案》，哥本哈根语言研究，第38卷。Samfundsliteratour，Copenhagen，第251–266页Ortiz-Martínez D，Casacuberta F（2014）用于全自动交互式统计机器翻译的新Thot工具包。在：《欧洲计算语言学协会第14届年会论文集：系统演示》，第45–48页Plitt M，Masselot F（2010）典型本地化背景下统计机器翻译后编辑的生产力测试。布拉格公报数学语言学家93（1）：7-16桑奇斯·特里尔斯G，奥尔蒂斯·马丁内斯D，西维拉J，卡萨库贝塔F，维达尔E，黄H（2008）通过鼠标操作改进交互式机器翻译。摘自：《自然语言处理实证方法会议论文集》，第485-494页，Simard M，Foster G（2013）Pepr:使用基于短语的统计机器翻译的编辑后传播。收录于：《机器翻译峰会第十四届会议记录》，第191-198页Skadiņsh R，PuriೂšM，Skadia I，Vasiļjevs a（2011）《源代码不足屈折语言本地化中的SMT评估》。摘自：第15届欧洲机器翻译协会国际会议记录，第35-4页
- 出版地点
- “约翰·本杰明斯出版公司”
- 出版日期
- 16/10/2018
- 研究领域
获取PDFKrings（2001）提出的三种后编辑工作测量方法已被许多研究人员在随后的研究和出版物中采用。这些测量包括时间工作量（后期编辑的速度或生产率，通常以每秒钟或每分钟的字数或分段水平进行测量）、技术工作量（后期编辑器执行的实际编辑次数，有时使用翻译编辑率指标进行近似计算（Snover等人，2006年），通常是在细分层面）和认知努力。认知努力已经通过Think Aloud协议、停顿测量以及越来越多的眼动追踪进行了测量。本章回顾了使用追踪法进行后期编辑的研究，指出了Danks等人（1997年）和O'Brien（2006年、2008年）发表的出版物的影响，然后详细描述了一项研究。这项详细的研究考察了预测的努力指标是否影响编辑后的努力，其结果之前曾作为Moorkens等人（2015）发表。分析的大多数令人瞠目结舌的数据在之前没有使用过
- 出版地点
- “麻省理工学院出版社-期刊”
- 出版日期
- 14/03/2016
- 研究领域
获取PDF单词重新排序是统计机器最困难的方面之一翻译（SMT）是影响其质量和效率的一个重要因素。尽管迄今为止发表了大量研究社区在这个问题上并没有减少，似乎没有单一的方法在语言对中占主导地位。相反，选择最佳新翻译任务的方法似乎主要是由实证试验。在这个庞大而复杂的研究中引导读者在这一领域，我们对单词重新排序进行了全面的调查统计建模是一种挑战，也是一种自然语言现象。调查详细描述了如何在不同的基于字符串和基于树的SMT框架，并作为独立任务，包括对高级重新排序建模中的文献进行了系统综述。然后我们质疑为什么有些方法在不同方面比其他方法更成功语言对。我们认为，除了衡量重新排序的数量外理解给定语言中发生哪种重新排序很重要一对。为此，我们对单词重新排序进行了定性分析基于大量的语言知识。SMT文献中的实证结果如下所示支持以下假设：一些语言事实对预测语言对的重新排序特征并选择最适合他们的SMT框架。注释：44页，将出现在计算语言学中
