TAILIEUCHUNG - Báo cáo khoa học: "Low-cost, High-performance Translation Retrieval: Dumber is Better"

In this paper, we compare the relative effects of segment order, segmentation and segment contiguity on the retrieval performance of a translation memory system. We take a selection of both bag-of-words and segment order-sensitive string comparison methods, and run each over both characterand word-segmented data, in combination with a range of local segment contiguity models (in the form of N-grams). | Low-cost High-performance Translation Retrieval Dumber is Better Timothy Baldwin Department of Computer Science Tokyo Institute of Technology 2-12-1 O-okayama Meguro-ku Tokyo 152-8552 JAPAN tim@ Abstract In this paper we compare the relative effects of segment order segmentation and segment contiguity on the retrieval performance of a translation memory system. We take a selection of both bag-of-words and segment order-sensitive string comparison methods and run each over both character-and word-segmented data in combination with a range of local segment contiguity models in the form of N-grams . Over two distinct datasets we find that indexing according to simple character bigrams produces a retrieval accuracy superior to any of the tested word Ngram models. Further in their optimum configuration bag-of-words methods are shown to be equivalent to segment ordersensitive methods in terms of retrieval accuracy but much faster. We also provide evidence that our findings are scalable. 1 Introduction Translation memories TMs are a list of translation records source language strings paired with a unique target language translation which the TM system accesses in suggesting a list of target language L2 translation candidates for a given source language L1 input Trujillo 1999 Planas 1998 . Translation retrieval TR is a description of this process of selecting from the TM a set of translation records TRecs of maximum L1 similarity to a given input. Typically in example-based machine translation either a single TRec is retrieved from the TM based on a match with the overall L1 input or the input is partitioned into coherent segments and individual translations retrieved for each Sato and Nagao 1990 Nirenburg et al. 1993 this is the first step toward generating a customised translation for the input. With stand-alone TM systems on the other hand the system selects an arbitrary number of translation candidates falling within a certain empirical corridor of .

• Báo cáo khoa học
• Low cost
• High performance Translation Retrieval
• Dumber is Better
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Vietnam Journal of Mechanics
• The performance improvement
• Lowcost INS GPS integration system
• The street return algorithm
• Street Return Algorithm
• carefully monitored
• branded generic
• disease programmes
• Plant Interaction
• Plant Soil
• Microorganism Interactions
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học