Využití bohaté anotace pro frázový strojový překlad

• Thesis title in Czech: Využití bohaté anotace pro frázový strojový překlad
• Thesis title in English: Exploiting Rich Annotation in Phrase-Based Machine Translation
• Academic year of topic announcement: 2008/2009
• Thesis type: Bachelor's thesis
• Thesis language: čeština
• Department: Institute of Formal and Applied Linguistics (32-UFAL)
• Supervisor: doc. RNDr. Ondřej Bojar, Ph.D.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 09.11.2009
• Date of assignment: 09.11.2009
• Date and time of defence: 22.06.2010 00:00
• Date of electronic submission: 22.06.2010
• Date of proceeded defence: 22.06.2010
• Opponents: RNDr. David Mareček, Ph.D.

Guidelines

Úkolem bakalářské práce je implementovat nástroj pro výběr a sběr statistických údajů z bohatě anotovaného paralelního korpusu pro účely frázového strojového překladu. Vzhledem k příliš rozsáhlému prostoru možností, které údaje z korpusu extrahovat a jak přesně je v překladu využít, je hlavním cílem navrhnout stručný a výstižný formát konfiguračního souboru. To uživateli systému umožní pohodlně experimentovat s mnoha konfiguracemi, příp. i strojově generovanými, a ověřovat jejich užitečnost v samotném překladu.

Nedílnou součástí práce je provést malou sérii experimentů, na níž se ověří praktická použitelnost implementovaného nástroje a současně naznačí první výsledky týkající se užitečnosti bohaté anotace pro frázový strojový překlad i zvýšení výpočetních nároků, které jsou s tím spojeny.

References

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. Exploiting Linguistic Data in Machine Translation. PhD thesis, ÚFAL, MFF UK, Prague, Czech Republic, October 2008, a další citovaná literatura.

Alexandra Birch, Miles Osborne, and Philipp Koehn. 2007. CCG Supertags in Factored Statistical Machine Translation. In Proceedings of the Second Workshop on Statistical Machine Translation, pages 9?16, Prague, Czech Republic.

Eleftherios Avramidis, Philipp Koehn. 2008. Enriching morphologically poor languages for statistical machine translation. In Proceedings of ACL-08: HLT, pages 763?770, Columbus, Ohio.

Johnson, J.H., Martin, J., Foster, G., Kuhn, R.: Improving Translation Quality by Discarding Most of the Phrasetable. Proc. of EMNLP. 2007.