WALDO – Oversettelse via maskinlæring

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

Forslag:

Vi ønsker å utvikle et oversettelsessystem som utnytter av tale-til-tekst og tekst-til-stemme-teknologi. Vi tar sikte på å designe et system som kan brukes til å hjelpe eldre eller funksjonshemmede med å bruke oversettelsestjenester, spesielt de med noen problemer eller problemer som forhindrer dem i å bruke tradisjonelle inndatametoder (f.eks. Tastaturinngang). Vi planlegger å bruke NUGU API for å tillate brukere å snakke med NUGU-høyttaleren og få den til å oversette setningene sine. NUGU-høyttaleren vil gi oversettelsene ved å sende taledataene til oversettelsesserveren vår for å bli konvertert til tekst og oversatt; serveren vil da sende tekstdataene tilbake for å bli lest høyt av NUGU-høyttaleren. Dette systemet vil være designet for å gi rask intuitiv inngang i et oversettelsessystem. Systemet vil også inkludere muligheten til å kopiere oversettelsesutdata til brukerens utklippstavle slik at de enkelt kan bruke det andre steder. For å forbedre oversettelsesegenskapene til systemet vil vi implementere et enkelt “tommel opp / tommel ned” -system; dette vil tillate brukere å rangere oversettelsen som god eller dårlig.

Bidragsytere: 김근후, 이원제 , 정재용, Alexander Stafford

Liste over tidligere relatert arbeid:

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

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

G. Guida og G. Mauri, «Evaluering av naturlige språkbehandlingssystemer: problemer og tilnærminger,» i Proceedings of the IEEE, vol. 74, nei 7, s. 1026–1035, juli 1986, doi: 10.1109 / PROC.1986.13580.

Choe, D. K., &; Charniak, E. (2016). Analyse som språkmodellering. Forløp fra 2016-konferansen om empiriske metoder i prosessering av naturlige språk. doi: 10.18653 / v1 / d16–1257

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

Liste over verktøy og tjenester (som vi kan bruke):

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/

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *