WALDO – Oversættelse via maskinindlæring

(Alexander Stafford) (5. nov. , 2020)

Forslag:

Vi søger at udvikle et oversættelsessystem, der drager fordel af stemme-til-tekst og tekst til stemme-teknologi. Vi sigter mod at designe et system, der kan bruges til at hjælpe ældre eller handicappede med at bruge oversættelsestjenester, især dem med problemer eller problemer, der forhindrer dem i at bruge traditionelle inputmetoder (f.eks. Tastaturinput). Vi planlægger at bruge NUGU API til at give brugerne mulighed for at tale med NUGU-højttaleren og få den til at oversætte deres sætninger. NUGU-højttaleren leverer oversættelserne ved at sende stemmedataene til vores oversættelsesserver, der skal konverteres til tekst og oversættes; serveren sender derefter tekstdataene tilbage, så de kan læses højt af NUGU-højttaleren. Dette system er designet til at give mulighed for hurtig intuitiv input til et oversættelsessystem. Systemet inkluderer også muligheden for at kopiere oversættelsesoutput til brugerens udklipsholder, så de let kan bruge det andre steder. For at forbedre oversættelsesfunktionerne i systemet implementerer vi et simpelt “tommelfinger op / tommelfinger ned” -system; dette giver brugerne mulighed for at bedømme oversættelsen som enten god eller dårlig.

Bidragydere: 김근후, 이원제 , 정재용, Alexander Stafford

Liste over tidligere relaterede arbejder:

https://developers.naver.com/products/nmt/

https: //cloud.google.com/translate/#how-automl-translationbeta-works

G. Guida og G. Mauri, “Evaluering af naturlige sprogbehandlingssystemer: problemer og tilgange,” i Proceedings of the IEEE, bind. 74, nr. 7, s. 1026-1035, juli 1986, doi: 10.1109 / PROC.1986.13580.

Choe, D. K., &; Charniak, E. (2016). Parsing som sprogmodellering. Forløbet af 2016-konferencen om empiriske metoder til behandling af naturlige sprog. doi: 10.18653 / v1 / d16-1257

Mathur, P., Mauro, C., & Federico, M. (2013). Online læringsmetoder i computerassisteret oversættelse. I Proceedings of the Otting Workshop on Statistical Machine Translation (s. 301–308). Association for Computational Linguistics.

Liste over værktøjer og tjenester (som vi kunne bruge):

Python – https://www.python.org/

R – https://www.r-project.org/

Rstudio – https://rstudio.com/

AWS-tjenester – https://aws.amazon.com/

NUGU API – https://developers.nugu.co.kr/

Anaconda – https: //www.anaconda.com/

Keras – https://keras.io/

Tensorflow – https://www.tensorflow.org/

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *