Machine Learning: Going Beyond Machine Translation (webinarium)

Jennifer Chew

ProduktmarknadschefSmartling

Som ordspråket säger: ju mer du gör, desto mer vet du. Precis som människor kan maskiner tränas över tid att känna igen mönster och svara med mycket specifika handlingar.

Jennifer Chew och Benjamin Loy går igenom olika sätt innehållsskapare kan använda Machine Learning med Smartling för att öka effektiviteten och skapa översättningar av hög kvalitet i plattformen.

Sommarskola | Machine Learning: Going Beyond Machine Translation från Smartling på Vimeo.

Vad är maskininlärning?

Det är ett sätt att modellera och utföra önskade åtgärder i stor skala. Enligt University of Washington "kan maskininlärningsalgoritmer ta reda på hur man utför viktiga uppgifter genom att generalisera från exempel." I huvudsak är algoritmer byggda för att känna igen mönster inom befintliga datapunkter. Sedan appliceras dessa mönster på nya datapunkter för att informera om åtgärder som ska vidtas.

Hur Smartling använder maskininlärning:

Här är några exempel på maskininlärning i Smartling-plattformen:

1. Filtypsavkänning - När kunder laddar sitt innehåll till Smartling-plattformen använder Smartling en stödvektormaskin för att identifiera filtyper och tolka isär strängar därefter.
2. Kvalitetsförtroendepoäng - Smartling använder ett beslutsträd för att avgöra hur olika datapunkter påverkar den övergripande utvärderingen av förtroendet för kvaliteten på en översättning.
3. Taggjustering - HTML-taggar - som för kursiv stil - blir ibland felplacerad när orddelar dyker upp på olika ställen på ett annat språk. Smartlings maskininlärning tränas på adjektivplaceringar på franska för att säkerställa att taggar flyttas till rätt del av meningen, från den engelska till franska översättningen.
4. MT Auto Select - Smartlings senaste verktyg, MT Auto Select, kommer att kunna mata in ord och gruppera dem tematiskt (t.ex. Health, Restaurants, Legal), och tilldela sedan den bästa MT-motorn för att översätta det specifika temat med ord.

Det är dock viktigt att notera att även om maskininlärningsalgoritmer kan upptäcka kraftfulla insikter i stor skala kring dina översättningar, är de aldrig 100 % perfekta. Kontrollera alltid dina resultat och låt oss veta vad du hittar. Vi utbildar alltid våra modeller för att skapa allt mer exakta insikter.