Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An In-Silico Structural Analysis of the Interactions of SoxY and SoxZ from Moderately Thermophilic Betaproteobacterium, Hydrogenophilus thermoluteolus in the Global Sulfur Oxidation Cycle Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Quality Estimation of MT-Engine Output Using Language Models for Post-editing and Their Comparative Study

verfasst von : Kuldeep Kumar Yogi, Nishith Joshi, Chandra Kumar Jha

Erschienen in: Information Systems Design and Intelligent Applications

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Machine Translation (MT) systems do not have real-world knowledge or contextual awareness. MT errors are possible at any level: lexical, grammatical, syntactic, etc., MT systems give 10–70 % accurate output, so human post-editing(HPE) is required for final output. But HPE is very expensive and slow, if we can filter out good translations out of all translations, those can make correct via miner edits then our HPE would be fast and less expensive. We can estimate good quality of a sentence using language model (LM). There are different LMs available. We showed in our experiment that Kneser-Ney smoothing LM is the right choice for measuring MT-Engine-output’s quality for the post-editing.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Writer Identification from Handwritten Devanagari Script
Nächstes Kapitel Genetic Algorithm with Improved Mutation Operator for Multiple Sequence Alignment
Literatur
1.
Lagarda, A.-L., Alabau, V., Casacuberta, F., Silva, R., Diaz-de-Liano, E.: Statistical post-editing of a rule-based machine translation system. In: Proceedings of NAACL HLT 2009, ACL, pp. 217–220 (2009)
2.
NAACL (2012) Shared task: quality estimation. In: Seventh Workshop on Statistical Machine Translation, Montreal, Quebec, Canada, 7–8 June 2012
3.
Knight, K., Chander, I.: Automated post-editing of documents. In: Proceedings of the Twelfth National (1994)
4.
Simard, M., Goutte, C., Isabelle, P.: Statistical phrase-based post-editing. In: Human Language Technologies 2007: The Conference of the North American Chapter of the Association for Computational Linguistics; Proceedings of the Main Conference, Rochester, New York, pp. 508–515. Association for Computational Linguistics, April 2007
5.
Allen, J.: Post-editing. In: Harold, S. (ed.) Benjamins Translation Library, p. 35, (2003)
6.
Suzuki, H.: Automatic post-editing based on SMT and its selective application by sentence-level automatic quality evaluation. In: Proceedings of the Machine Translation Summit XIII, pp. 156-163 (2011)
7.
Bahl, L.R., Jelinek, F., Mercer, L.R.: A maximum likelihood approach to continuous speech recognition. IEEE Trans. Patt. Anal. Mach. Intell. 5, 179–190 (1983)CrossRef
8.
Brown, P.F., Cocke, J., Della Pietra, S.A., Della Pietra, V.J., Jelinek, F., Lafferty, J.D., Mercer, R.L., Roossin,P.S.: A statistical approach to machine translation. Comput. Linguist. 16, 79–85 (1990)
9.
Dugast, L., Senellart, J., Koehn, P.: Statistical post-editing on Systran’s rule-based translation system. In: WMT, pp. 220–223 (2007)
10.
Katz, S.M.: Estimation of probabilities from sparse data for the language model component of a speech recognizer. IEEE Trans. Acoust. Speech Signal Process. (ASSP) 35(3), 400–401 (1987)
11.
Kneser, R., Ney, H.: Improved backing-off for m-gram language modeling. In: International Conference on Acoustics, Speech and Signal Processing, pp. 181–184 (1995)
12.
de Ilarraza, A.D., Labaka, G., Sarasola, K.: Statistical postediting: a valuable method in domain adaptation of RBMT systems for less-resourced languages. In: MATMT, pp. 35–40 (2008)
13.
Dugast, L., Senellart, J., Koehn, P.: Statistical post editing and dictionary extraction: Systran/Edinburgh submissions for ACL-WMT2009. In: WMT, pp. 110–114 (2009)
14.
Chen, S.F., Goodman, J.T.: An empirical study of smoothing techniques for language modeling. Comput. Speech Lang. 13(4), 359–393 (1999)CrossRef
15.
Allen, J., Hogan, C.: Toward the development of a post editing module for raw machine translation output: a controlled language perspective. In: CLAW, pp. 62–71 (2000)
16.
Béchara, H., Ma, Y., van Genabith, J.: Statistical post-editing for a statistical MT system. In: MT Summit XIII, pp. 308–315 (2011)
Metadaten
Titel
Quality Estimation of MT-Engine Output Using Language Models for Post-editing and Their Comparative Study
verfasst von
Kuldeep Kumar Yogi
Nishith Joshi
Chandra Kumar Jha
Copyright-Jahr
2015
Verlag
Springer India
Buch
Information Systems Design and Intelligent Applications

Print ISBN: 978-81-322-2246-0

Electronic ISBN: 978-81-322-2247-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-81-322-2247-7_52

Premium Partner

    Bildnachweise