跨语言神经模糊匹配：在计算机辅助翻译中利用目标语言单语语料库
计算与语言
2024-01-17 v1
摘要
基于翻译记忆（TM）的计算机辅助翻译（CAT）工具在专业译者的翻译工作流程中扮演着重要角色。然而，与领域内单语语料库相比，领域内TM的可用性较低，限制了其在许多翻译任务中的采用。本文提出一种新颖的神经方法，旨在克服这一限制：不仅利用TM，还利用领域内目标语言（TL）单语语料库，同时实现与传统基于TM的CAT工具类似的功能。我们的方法依赖跨语言句子嵌入从TL单语语料库中检索翻译建议，并依赖神经模型估计其译后编辑工作量。本文在四个语言对上对这些技术进行了自动评估，结果表明我们的方法能够在基于TM的CAT环境中成功利用单语文本，增加有用翻译建议的数量，并且我们用于估计译后编辑工作量的神经模型能够以常规方式组合从单语语料库和TM获得的翻译建议。在单个语言对上执行的人工评估证实了自动评估的结果，并似乎表明我们的方法检索到的翻译建议比自动评估显示的更有用。
引用
@article{arxiv.2401.08374,
title = {Cross-lingual neural fuzzy matching for exploiting target-language monolingual corpora in computer-aided translation},
author = {Miquel Esplà-Gomis and Víctor M. Sánchez-Cartagena and Juan Antonio Pérez-Ortiz and Felipe Sánchez-Martínez},
journal= {arXiv preprint arXiv:2401.08374},
year = {2024}
}