面向专业译后编辑的 NMT 增量自适应：一项用户研究
计算与语言
2019-06-24 v1
摘要
机器翻译在工业中的常见用途是提供初始翻译假设，随后由人类专家监督并进行译后编辑。在此修订过程中，新的双语数据不断生成。机器翻译系统可受益于这些新数据，在在线学习范式下增量更新底层模型。我们针对神经机器翻译系统在该场景下开展了一项用户研究。实验由具有丰富机器翻译译后编辑经验的专业翻译人员执行。结果显示，译后编辑系统输出所需的人力投入减少，翻译质量提升，且用户对自适应系统持正面评价。
引用
@article{arxiv.1906.08996,
title = {Incremental Adaptation of NMT for Professional Post-editors: A User Study},
author = {Miguel Domingo and Mercedes García-Martínez and Álvaro Peris and Alexandre Helle and Amando Estela and Laurent Bié and Francisco Casacuberta and Manuel Herranz},
journal= {arXiv preprint arXiv:1906.08996},
year = {2019}
}
备注
Accepted for publication in MT Summit 2019