1 / 14

Angol-magyar statisztikai gépi fordító rendszer minőségének javítása

Angol-magyar statisztikai gépi fordító rendszer minőségének javítása. Készítette: Laki László János PPKE Információs Technológiai Kar Témavezető: Prószéky Gábor PPKE Információs Technológiai Kar, MorphoLogic. Tartalom. Statisztikai gépi fordítás

maxine
Download Presentation

Angol-magyar statisztikai gépi fordító rendszer minőségének javítása

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Angol-magyar statisztikai gépi fordító rendszer minőségének javítása Készítette: Laki László János PPKE Információs Technológiai Kar Témavezető: Prószéky Gábor PPKE Információs Technológiai Kar, MorphoLogic

  2. Tartalom • Statisztikai gépi fordítás • Bevezetés • Szótár hozzáadása a korpuszhoz • Hibridizáció • Cigány-magyar SMT

  3. Statisztikai gépi fordítás

  4. SMT formális leírása • É=argmax P(E|F) = argmax P(E)*P(F|E) • Zajos csatorna modell három komponensből áll: • Nyelvi modell (folyékonyság) • Fordítási modell (tartalom-hűség) • Dekódoló • É: a legjobb fordítás • E: angol mondat (cél nyelv) • F: idegen mondat (forrás nyelv)

  5. Felhasznált keretrendszerek • LitMag (Hunglish) korpusz • 654 939 mondat • SMT keretrendszer: • Nyelvi modell: SRILM • Fordítási modell: IBM modellek • Dekódoló: MOSES

  6. Kiértékelés • BLEU = BiLingualEvaluationUnderstudy • A javaslat az IBM-től származik (Papineni és mtsai, 2002) • A fő gondolat: • Szavak pontos illeszkedése (PONTOSSÁG) • Illeszkedés egy referenciafordításra • Szópontosság-alapú „helyesség”-számítás • n-gram-pontosság alapú „folyamatosság”-számítás (n=1,2,3,4) • Semmi fedéssel kapcsolatos szám, ui. nehéz a többszörös referenciák miatt • A fedés hiányzó szerepének ellensúlyozására bevezetik a BP-t (BrevityPenalty = rövidségi büntetés) • A végső szám az n-gram-eredmények súlyozott átlaga (a hasonló hosszúságú szerkezetek: mondatok, tagmondatok, szószerkezetek, frázisok külön-külön kiszámolt súlyozott átlaga) • Nagy teszthalmazon együttes eredmény

  7. Szótár hozzáadása a korpuszhoz • Szótár: • 344 924 mondat

  8. Példa (angol-magyar)

  9. További hibridizáció • JOSHUA • Környezetfüggetlen nyelvtan [S] ||| [X,1] ||| [X,1] ||| 0 0 0 [S] ||| [S,1] [X,2] ||| [S,1] [X,2] ||| 0.434294482 0 0 tudta , hogy nem volna béke , ha utazásai közben állandóan az a gondolat , hogy boldogtalan volt .

  10. JOSHUA rendszer eredményei • Az eredmény javulása az egyszerű szabályok ellenére Angol referenciamondat: " for a little while only , " said the voice quietly . Magyar referenciamondat: - csak egy kis ideig - mondta a hang csendesen . Alaprendszer fordítása: - egy darabig csak - mondta a hang . JOSHUA rendszer fordítása: - csak egy kis ideig nyugodtan - mondta a hang .

  11. Cigány-magyar SMT • Eredmény: • Sokkal magasabb BLEU • Olvashatóbb, érthetőbb fordítás • Hasonló morfológiai gazdagságú nyelvpárok • Korpusz: • Vesho-Farkas-féle lovári nyelvű Újszövetség • Káldi-féle (Neovulgáta) magyar Újszövetség

  12. Példamondat (cigány-magyar) • Cigány referenciamondat: le but manusha pale telesharadinepengegadapodrom , kavera pale kranzhiphagrenastele pa kashthajpodromrispisarnaslen . • Magyar referenciamondat: a hatalmastömegpedigleterítetteruháitazútra , mások meg ágakatvagdostak a fákrólésazútraszórták . • MOSES fordítás: a néppedig le terítettékruháikatazúton , másokpedigágakatphagrenas le a fa , ésazútonrispisarnaslen . • JOSHUA fordítás: a néppedig le terítettékruháikatazúton , másokpedigágakatphagrenas le a faésazútonrispisarnaslen .

  13. Összefoglalás • Angol-magyar SMT rendszer minőségének javítása szótár hozzáadásával • Angol-magyar SMT rendszer minőségének javítása hibridizációval • Létrehoztam egy cigány-magyar statisztikai gépi fordító rendszert

  14. Köszönöm a figyelmet! laklaja@digitus.itk.ppke.hu

More Related