Neuronale maschinelle Übersetzung ist überall (und nicht nur auf diesem Blog). Übersetzer wollen wissen, wie sie sich auf ihre Lebensgrundlage auswirken wird, und interne Lokalisierungsmanager möchten erfahren, wie sie sie für ihre Übersetzungsstrategie nutzen können. Egal, ob Sie die Geschäftsanwendungen der neuronalen maschinellen Übersetzung bewerten möchten oder unter die Motorhaube blicken, um zu sehen, wie das Getriebe zusammenwirkt, diese NMT-Videos können Ihnen helfen, sich über die Welle zu informieren, die neuronale maschinelle Übersetzung für die Welt der Übersetzung bedeutet.
Maschinelle Übersetzung war in der Lokalisierung bislang verrufen. Erfahrene Sprachprofis fürchten, dass ihre eigene Arbeit mit all ihren Sprachnunancen und sensiblen geografischen Überlegungen durch den kalten, leblosen robotischen Output eines Algorithmus ersetzt wird. Und angesichts der jüngsten Übersetzungsansätze liegen sie damit nicht ganz falsch.
Dieser Beitrag ist ein Anhang zum ursprünglichen Beitrag vom 10.1.2017 mit dem Titel 2017 Machine Translation Quality Evaluation. Experimentelles Design Wir werten alle maschinellen Übersetzungssysteme für Englisch-Französisch und Englisch-Deutsch aus. Wir melden BLEU-4 ohne Groß-Kleinschreibungsberücksichtigung [2], berechnet vom Scoring-Skript mteval aus dem Open-Source-Toolkit Phrasal der Universität Stanford. NIST-Tokenisierung wurde auf beide Systemoutputs und die Referenzübersetzungen angewendet.
