WALDO – Tłumaczenie z wykorzystaniem systemów uczących się

(Alexander Stafford) (5 listopada , 2020)

Propozycja:

Chcemy opracować system tłumaczeń wykorzystujący technologii zamiany tekstu na tekst i zamiany tekstu na głos. Naszym celem jest zaprojektowanie systemu, który mógłby pomóc osobom starszym lub niepełnosprawnym w korzystaniu z usług tłumaczeniowych, szczególnie tym, którzy mają jakiś problem lub problem uniemożliwiający im korzystanie z tradycyjnych metod wprowadzania danych (np. Klawiatury). Planujemy wykorzystać NUGU API, aby umożliwić użytkownikom rozmowę z mówcą NUGU i tłumaczenie ich wyrażeń. Prelegent NUGU zapewni tłumaczenia, wysyłając dane głosowe do naszego serwera tłumaczeń w celu konwersji na tekst i przetłumaczenia; serwer odeśle następnie dane tekstowe do odczytania na głos przez głośnik NUGU. System ten zostanie zaprojektowany tak, aby umożliwić szybkie, intuicyjne wprowadzanie danych do systemu tłumaczeniowego. System będzie również zawierał możliwość kopiowania wyników tłumaczenia do schowka użytkownika, dzięki czemu będzie mógł z łatwością używać go w innym miejscu. Aby ulepszyć możliwości tłumaczenia systemu, zaimplementujemy prosty system „kciuk w górę / kciuk w dół”; pozwoli to użytkownikom ocenić tłumaczenie jako dobre lub złe.

Współtwórcy: 김근후, 이원제 , 정재용, Alexander Stafford

Lista poprzednich powiązanych prac:

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

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

G. Guida i G. Mauri, „Ocena systemów przetwarzania języka naturalnego: problemy i podejścia”, w: Proceedings of the IEEE, vol. 74, nie. 7, str. 1026–1035, lipiec 1986, doi: 10.1109 / PROC.1986.13580.

Choe, D. K., &; Charniak, E. (2016). Parsowanie jako modelowanie języka. Materiały z konferencji 2016 nt. Metod empirycznych w przetwarzaniu języka naturalnego. doi: 10.18653 / v1 / d16–1257

Mathur, P., Mauro, C., & Federico, M. (2013). Podejścia do uczenia się online w tłumaczeniu wspomaganym komputerowo. W materiałach ósmych warsztatów na temat statystycznego tłumaczenia maszynowego (s. 301–308). Stowarzyszenie Lingwistyki Obliczeniowej.

Lista narzędzi i usług (których możemy użyć):

Python – https://www.python.org/

R – https://www.r-project.org/

Rstudio – https://rstudio.com/

Usługi AWS – 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/

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *