Obří data v česko-anglickém strojovém překladu
| Název práce v češtině: | Obří data v česko-anglickém strojovém překladu |
|---|---|
| Název v anglickém jazyce: | Huge data in Czech-English Machine Translation |
| Akademický rok vypsání: | 2012/2013 |
| Typ práce: | ročníková práce |
| Jazyk práce: | |
| Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
| Vedoucí / školitel: | doc. RNDr. Ondřej Bojar, Ph.D. |
| Řešitel: |
| Zásady pro vypracování |
| Úkolem ročníkového projektu a navazující bakalářské práce je zlepšit kvalitu česko-anglického strojového překladu (oba směry) použitím všech dostupných dat (existující paralelní korpusy jako CzEng, existující jednojazyčné korpusy jako anglický gigaword a české webové i newebové korpusy).
Dle zájmu se lze zaměřit na kteroukoli z těchto oblastí: poloautomatické čištění dat bez ohledu na typ a téma překládaných textů, automatickou identifikaci "tématu textu" a použití specifických trénovacích dat, nebo využití jednojazyčných trénovacích dat a předešlé verze překladového systému k vyrobení větších paralelních dat. Téma je vhodné i pro navazující diplomovou a příp. doktorskou práci. |
| Seznam odborné literatury |
| Philipp Koehn, Hieu Hoang, Alexandra Birch, Chris Callison-Burch, Marcello Federico, Nicola Bertoldi, Brooke Cowan, Wade Shen, Christine Moran, Richard Zens, Chris Dyer, Ondrej Bojar, Alexandra Constantin, Evan Herbst, Moses: Open Source Toolkit for Statistical Machine Translation, Annual Meeting of the Association for Computational Linguistics (ACL), demonstration session, Prague, Czech Republic, June 2007.
http://www.statmt.org/moses/ Ondřej Bojar, Miroslav Janíček, Zdeněk Žabokrtský, Pavel Češka, and Peter Beňa. CzEng 0.7: Parallel Corpus with Community-Supplied Translations. In Proceedings of the Sixth International Language Resources and Evaluation (LREC'08), Marrakech, Morocco, May 2008. ELRA. http://ufal.mff.cuni.cz/czeng/ Ondřej Bojar. Exploiting Linguistic Data in Machine Translation. PhD thesis, ÚFAL, MFF UK, Prague, Czech Republic, October 2008. http://ufal.mff.cuni.cz/~bojar/publications/2008-FILE-bojar_phd-FINAL.pdf a řada dalších publikací s ohledem na zvolenou oblast. |