WALDO – Traduzione tramite Machine Learning

Pubblicato il

(Alexander Stafford) (5 novembre , 2020)

Proposta:

Stiamo cercando di sviluppare un sistema di traduzione che tragga vantaggio della tecnologia voice-to-text e text-to-voice. Il nostro obiettivo è progettare un sistema che possa essere utilizzato per assistere le persone anziane o disabili nellutilizzo dei servizi di traduzione, in particolare quelli con qualche problema o problema che impedisce loro di utilizzare i metodi di input tradizionali (ad esempio input da tastiera). Abbiamo in programma di utilizzare lAPI NUGU per consentire agli utenti di parlare con il relatore NUGU e far tradurre le loro frasi. Il relatore NUGU fornirà le traduzioni inviando i dati vocali al nostro server di traduzione per essere convertiti in testo e tradotti; il server invierà quindi i dati di testo affinché vengano letti ad alta voce dallo speaker del NUGU. Questo sistema sarà progettato per consentire un input rapido e intuitivo in un sistema di traduzione. Il sistema includerà anche la possibilità di copiare loutput della traduzione negli appunti dellutente in modo che possa usarlo facilmente altrove. Al fine di migliorare le capacità di traduzione del sistema, implementeremo un semplice sistema “pollice su / pollice giù”; ciò consentirà agli utenti di valutare la traduzione come buona o cattiva.

Collaboratori: 김근후, 이원제 , 정재용, Alexander Stafford

Elenco dei precedenti lavori correlati:

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

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

G. Guida e G. Mauri, “Valutazione dei sistemi di elaborazione del linguaggio naturale: problemi e approcci”, in Proceedings of the IEEE, vol. 74, n. 7, pp. 1026-1035, luglio 1986, doi: 10.1109 / PROC.1986.13580.

Choe, D. K., &; Charniak, E. (2016). Parsing as Language Modeling. Atti della conferenza 2016 sui metodi empirici nellelaborazione del linguaggio naturale. doi: 10.18653 / v1 / d16–1257

Mathur, P., Mauro, C., & Federico, M. (2013). Approcci allapprendimento online nella traduzione assistita da computer. In Atti dellottavo seminario sulla traduzione automatica statistica (pp. 301–308). Association for Computational Linguistics.

Elenco di strumenti e servizi (che potremmo utilizzare):

Python – https://www.python.org/

R – https://www.r-project.org/

Rstudio – https://rstudio.com/

Servizi AWS – https://aws.amazon.com/

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

Anaconda – https: //www.anaconda.com/

Keras – https://keras.io/

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

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *