In den letzten Jahrzehnten ist maschinelles Übersetzen immer häufiger geworden und dient als ein Werkzeug, um die Geschwindigkeit zu verbessern und die Kosten für diejenigen Unternehmen zu senken, die im Rahmen Ihrer Lokalisierungsprogramme skalieren. Der Prozess selbst hat dazu beigetragen, dass große Mengen an Inhalten weltweit für Menschen außerhalb des Zielsprachenpublikums verfügbar gemacht wurden.

Doch maschinelles Übersetzen ist mehr als ein einfacher Prozess, der sich für alle Szenarien gleichermaßen eignet. Es gibt mehrere Arten von maschinellen Übersetzungssystemen, verschiedene Ansätze für ihre Anwendung und verschiedene Statistiken und Möglichkeiten, um ihren Erfolg zu messen.

Eine der häufigsten Wege, um die Output-Qualität maschineller Übersetzung zu messen, ist die Verwendung von Automatisierter Bewertung mithilfe der Bilingual Evaluation Understudy, auch bekannt als der BLEU-Score. Dieser historische Standard vergleicht rohen maschinell-übersetzten Output mit menschlicher Übersetzung – je höher die Punktezahl ist, desto eher sind die beiden gleichwertig. Wenn der BLEU-Score mit ein wenig Recherche und Ingenieursgeschick kombiniert wird, ist es möglich, beliebte maschinelle Übersetzungssysteme miteinander zu vergleichen und zu sehen, wie sie untereinander abschneiden.

In unserem Whitepaper Measuring and Comparing Machine Translation Quality („Messung und Vergleich von Qualitäten maschineller Übersetzung") gehen wir ins Detail, damit Sie die unterschiedlichen Arten von maschineller Übersetzung besser verstehen können und wie dabei die Qualität gemessen werden kann und damit Sie einen direkten Vergleich zwischen Google-, Microsoft- und Lilt’s verschiedenen maschinellen Übersetzungssystemen sehen können und wie diese untereinander abschneiden.

• • •

Klicken Sie hier, um das Whitepaper herunterzuladen, und kontaktieren Sie uns, um mehr darüber zu erfahren, wie Lilt’s Sprachdienste Ihnen dabei helfen können, Ihren Lokalisierungsanforderungen gerecht zu werden.