ترغب بنشر مسار تعليمي؟ اضغط هنا

ردود الفعل Backtranslation يحسن ثقة المستخدم في MT، وليس الجودة

Backtranslation Feedback Improves User Confidence in MT, Not Quality

208   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

ترجمة النص إلى لغة غير معروفة إلى مؤلف النص، التي يطلق عليها اسم الترجمة الصادرة، هي الحاجة الحديثة التي تعتبر تجربة المستخدم مجالا هاما للتحسين، بعد منشأة ترجمة الآلات الأساسية.نوضح ذلك من خلال إظهار ثلاث طرق حيث يمكن أن تتأثر ثقة المستخدم في الترجمة الخارجية، وكذلك الجودة النهائية الشاملة،: الترجمة الخلفية، تقدير الجودة (مع المحاذاة) وإصلاح المصادر.في هذه الورقة، وصفنا تجربة على الترجمة الصادرة من الإنجليزية إلى التشيكية والإستونية.نحن ندرس آثار كل وحدة ملاحظات مقترحة وتركز كذلك على كيفية تأثير جودة أنظمة الترجمة الآلية التي تؤثر على هذه النتائج وتصور المستخدم للنجاح.نظهر أن ردود الفعل الترجمة الخلفية لها تأثير مختلط على العملية برمتها: فهي تزيد ثقة المستخدم في الترجمة المنتجة، ولكن ليس الجودة الموضوعية.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

نقدم أداة توفر تعليقات آلية للطلاب الذين يدرسون الكتابة الإسبانية.يتم إعطاء ردود الفعل لأربع فئات: تطوير الموضوع والتماسك واتفاقيات الكتابة ومؤضوها.يتم توفير الأداة بحرية متاحة عبر الوظيفة الإضافية ل Google Docs.يدرس دراسة مستخدم صغيرة مع طلاب المستو ى الثالث في المكسيك أن الطلاب وجدوا الأداة مفيدة بشكل عام وأن معظمهم يخططون لمواصلة استخدامه أثناء عملهم لتحسين مهاراتهم في الكتابة.
الترجمة المعاكسة المعاكسة تعاليم على مستوى العالم.يمثل الانتقال القسري للتدريس عبر الإنترنت تحدي غارغانتوي لأي شخص من ذوي الخبرة فقط في تدريس وجها لوجه.يتطلب تعليم الترجمة عبر الإنترنت مناهجا متميزة لضمان أن الطلاب يمكنهم الوصول إلى أهداف التعلم المس تهدفة.تقدم هذه الورقة مراجعة الأدبيات حول تقديم ملاحظات فعالة في ضوء هذه التغييرات الجذابة في تدريس الترجمة بالإضافة إلى وصف كمستوى البحث الحالي على التعليقات عبر الإنترنت لتدريب الترجمة على تصميم الدورات التدريبية عبر الإنترنت في برنامج الترجمةفي جامعة روتجرز.
مع التعلم Landit العديد المصنعة، يمكن تدريب النماذج بناء على ردود فعل إيجابية وسالبة وردت للتنبؤات التاريخية، دون الحاجة إلى البيانات المسمى.ومع ذلك، غالبا ما تكون هذه الملاحظات متوفرة في أنظمة الحوار في العالم الحقيقي، ومع ذلك، فإن الهندسة المعمارية المعيارية المستخدمة عادة في أنظمة واسعة النطاق يمنع التطبيق المباشر لهذه الخوارزميات.في هذه الورقة، ندرس مشكلة إريقات التغذية المرتدة التي تنشأ عند استخدام التعلم Landit Adderfactual لفهم اللغة المنطوقة متعددة المجالات.نقدم إعداد تجريبي لمحاكاة المشكلة في مجموعات البيانات العامة على نطاق صغير، اقترح طرق الإسناد المستوحاة من التعزيز التعزيز متعدد الوكلات وتقييمها ضد خطوط خطوط خطوط خطوط خطوط خطوط طويلة.نجد أنه أثناء استخدام الملاحظات الشاملة مباشرة يؤدي إلى أداء كارثي، يمكن أن تسمح طرقنا الإسناد المقترحة لدينا نماذج تنافسية للتدريب من ملاحظات المستخدم.
إن تقديم ملاحظات للطلاب ليس فقط في وضع علامة على إجاباتهم على النحو الصحيح أو غير صحيح، ولكن أيضا العثور على أخطاء في عملية التفكير التي دفعتهم إلى الإجابة غير الصحيحة.في هذه الورقة، نقدم تقنية لتعلم الآلات بسبب التسمية التوضيحية، وهي مهمة تحاول تحدي د الأخطاء وتوفير التعليقات مخصصة لمساعدة المتعلمين على تصحيح هذه الأخطاء.نقوم بذلك عن طريق تدريب شبكة تسلسل إلى تسلسل لتوليد هذه التعليقات بناء على خبراء المجال.لتقييم هذا النظام، نستكشف كيف يمكن استخدامه في مهمة اللغويات التي تدرس قانون جريم.نظهر أن نهجنا يولد ردود الفعل التي تتفوق على خط أساس على مجموعة من مقاييس NLP الآلية.بالإضافة إلى ذلك، نقوم بإجراء سلسلة من دراسات الحالة التي ندرس فيها مخرجات النظام الناجحة وغير الناجحة.
نحن نبحث عن مسألة كيف تؤثر ردود الفعل التكيفية من عامل الظاهري على المدخلات اللغوية للمستخدم في بيئة ألعاب عالمية مشتركة. للقيام بذلك، نقوم بإجراء دراسة تجريبية استكشافية لمراقبة كيفية تأثير ردود الفعل اللغوية الفردية على إدخال خطاب المستخدم. نقدم لع بة تسيطر على الكلام، وإخلاء Apple الأساسية، حيث يتعلم الوكيل المهام المعقدة باستخدام معرفة قاعدة بأعمال بسيطة. تم تجهيز الوكيل بآلية تعليمية لرسم الأوامر الجديدة بتسلسل الإجراءات البسيطة، وكذلك القدرة على دمج إدخال المستخدم في ردود مكتوبة. يشارك الوكيل مرارا وتكرارا حالته المعرفة الداخلية من خلال الاستجابة لما يعرفه ولا يعرفه عن معنى اللغة والبيئة المشتركة. تركز ورقتنا على حلقة الملاحظات اللغوية من أجل تحليل طبيعة إدخال المستخدم. يتم توفير ردود الفعل من الوكيل في شكل حركة مرئية وردود لغوية مكتوبة. يتم إيلاء اهتمام خاص لإدماج مدخلات المستخدم في استجابات الوكيل وتحديث تعيينات الكلام إلى العمل بناء على الأوامر التي يقدمها المستخدم. من خلال دراستنا التجريبية، نقوم بتحليل نجاح المهمة ومقارنة الميزات المعجمية لإدخال المستخدم. تظهر النتائج الاختلاف في طول المدخلات والتنوع المعجمي عبر المستخدمين، مما يشير إلى ارتباط بين الاثنين يمكن دراستهما كذلك.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا