You are here: University of Vienna PHAIDRA Detail o:1392137
Title (deu)
Pre-Editing als Vorschlag zur Verbesserung Neuronaler Maschineller Übersetzung
Author
Fiorenza Finetti
Adviser
Dagmar Gromann
Assessor
Dagmar Gromann
Abstract (deu)
Die Zielsetzung dieser Masterarbeit ist der Einsatz von Pre-Editing als Vorschlag zur Verbesserung der Resultate neuronaler maschineller Übersetzung für die Sprachkombination Englisch-Italienisch. Die Forschungsfrage dieser Arbeit lautet: Welche Pre-Editing-Methoden und Kombinationen aus Pre-Editing-Methoden verbessern das Resultat der maschinellen Übersetzung aus dem Englischen ins Italienische? Um die Forschungsfrage zu evaluieren, wird eine Evaluierungsmethode angewandt, die noch nie im Bereich der Translationswissenschaft verwendet worden ist: das Best-Worst-Scaling. Für den empirischen Teil werden ausgewählte Textpassagen von Blogartikeln des Bereichs Biologie durch Pre-Editing-Methoden und Kombinationen aus Pre-Editing-Methoden präeditiert (maximal drei pro Ausgangstext). In einem folgenden Schritt werden die Textpassagen durch eine neuronale maschinelle Übersetzungssoftware übersetzt und die jeweiligen Übersetzungsvarianten einer Gruppe von Proband*innen zur Evaluierung vorgelegt. Die Proband*innen werden im Rahmen des Best-Worst-Scalings gefragt, ihre Präferenzen über die „beste“ und die „schlechteste“ Übersetzung aus einem Set anzugeben. Die Ergebnisse zeigen, dass nur eine Pre-Editing-Methode aus sechs die am meisten positiven Bewertungen erzielt und deswegen potenziell zur Verbesserung der maschinellen Qualität führen kann. Diese Studie zeigt, dass die Tendenzen in Richtung Pre-Editing steigen könnten und sich diese Methode als sinnvoll für die Verbesserung maschineller Übersetzung erweisen könnte.
Keywords (deu)
Pre-EditingNeuronale Maschinelle ÜbersetzungBest-Worst-Scaling
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1392137
rdau:P60550 (deu)
v, 125 Seiten : Diagramme
Number of pages
134
Members (1)
Title (deu)
Pre-Editing als Vorschlag zur Verbesserung Neuronaler Maschineller Übersetzung
Author
Fiorenza Finetti
Abstract (deu)
Die Zielsetzung dieser Masterarbeit ist der Einsatz von Pre-Editing als Vorschlag zur Verbesserung der Resultate neuronaler maschineller Übersetzung für die Sprachkombination Englisch-Italienisch. Die Forschungsfrage dieser Arbeit lautet: Welche Pre-Editing-Methoden und Kombinationen aus Pre-Editing-Methoden verbessern das Resultat der maschinellen Übersetzung aus dem Englischen ins Italienische? Um die Forschungsfrage zu evaluieren, wird eine Evaluierungsmethode angewandt, die noch nie im Bereich der Translationswissenschaft verwendet worden ist: das Best-Worst-Scaling. Für den empirischen Teil werden ausgewählte Textpassagen von Blogartikeln des Bereichs Biologie durch Pre-Editing-Methoden und Kombinationen aus Pre-Editing-Methoden präeditiert (maximal drei pro Ausgangstext). In einem folgenden Schritt werden die Textpassagen durch eine neuronale maschinelle Übersetzungssoftware übersetzt und die jeweiligen Übersetzungsvarianten einer Gruppe von Proband*innen zur Evaluierung vorgelegt. Die Proband*innen werden im Rahmen des Best-Worst-Scalings gefragt, ihre Präferenzen über die „beste“ und die „schlechteste“ Übersetzung aus einem Set anzugeben. Die Ergebnisse zeigen, dass nur eine Pre-Editing-Methode aus sechs die am meisten positiven Bewertungen erzielt und deswegen potenziell zur Verbesserung der maschinellen Qualität führen kann. Diese Studie zeigt, dass die Tendenzen in Richtung Pre-Editing steigen könnten und sich diese Methode als sinnvoll für die Verbesserung maschineller Übersetzung erweisen könnte.
Keywords (deu)
Pre-EditingNeuronale Maschinelle ÜbersetzungBest-Worst-Scaling
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1392138
Number of pages
134