Core Concepts
人間生成の翻訳プロセスにおける多様な翻訳技術が、機械翻訳の最適化を導く可能性を提案する。
Abstract
機械翻訳と人間生成の翻訳プロセスの比較
現在のMTシステムにおける推論処理への提案
予測実験による結果と適切な翻訳技術の予測精度
Introduction
MTシステムは人間と比べて未だ完全な精度を達成していない。
現在のMTシステムで問題となっている点:単語対応、文法的誤り、情報欠落、文化的感受性不足など。
Related Work
NMTアーキテクチャーの改善が翻訳精度向上に貢献。
自動ポストエディット(APE)はMT出力のエラーを修正する手法。
Data Extraction
"Neural machine translation (NMT) systems, such as Google Translate1, DeepL2, and recent large language models like ChatGPT3 (Hendy et al., 2023), have made significant progress but still fall short of achieving human parity."
"The results show that for from-scratch translation, the predictive accuracy reaches 82%, while the post-editing process shows even greater promise, achieving an accuracy rate of 93%."
Stats
機械翻訳システム:Google Translate、DeepL、ChatGPT(Hendy et al., 2023)
予測精度:from-scratch translationで82%、post-editingでは93%