A Dataset Comparison for an Indonesian-English Statistical Machine Translation System
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F12%3A10130074" target="_blank" >RIV/00216208:11320/12:10130074 - isvavai.cz</a>
Výsledek na webu
<a href="http://aclweb.org/anthology-new/Y/Y12/Y12-1015.pdf" target="_blank" >http://aclweb.org/anthology-new/Y/Y12/Y12-1015.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
A Dataset Comparison for an Indonesian-English Statistical Machine Translation System
Popis výsledku v původním jazyce
In this paper, we study the effect of incorporating morphological information on an Indonesian (id) to English (en) Statistical Machine Translation (SMT) system as part of a preprocessing module. The linguistic phenomenon that is being addressed here isIndonesian cliticized words. The approach is to transform the text by separating the correct clitics from a cliticized word to simplify the word alignment. We also study the effect of applying the preprocessing on different SMT systems trained on different kinds of text, such as spoken language text. The system is built using the state-of-the-art SMT tool, MOSES. The Indonesian morphological information is provided by MorphInd. Overall the preprocessing improves the translation quality, especially for the Indonesian spoken language text, where it gains 1.78 BLEU score points of increase.
Název v anglickém jazyce
A Dataset Comparison for an Indonesian-English Statistical Machine Translation System
Popis výsledku anglicky
In this paper, we study the effect of incorporating morphological information on an Indonesian (id) to English (en) Statistical Machine Translation (SMT) system as part of a preprocessing module. The linguistic phenomenon that is being addressed here isIndonesian cliticized words. The approach is to transform the text by separating the correct clitics from a cliticized word to simplify the word alignment. We also study the effect of applying the preprocessing on different SMT systems trained on different kinds of text, such as spoken language text. The system is built using the state-of-the-art SMT tool, MOSES. The Indonesian morphological information is provided by MorphInd. Overall the preprocessing improves the translation quality, especially for the Indonesian spoken language text, where it gains 1.78 BLEU score points of increase.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 26th Pacific Asia Conference on Language, Information and Computation
ISBN
978-979-1421-17-1
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
146-152
Název nakladatele
Faculty of Computer Science, Universitas Indonesia
Místo vydání
Bali, Indonesia
Místo konání akce
Bali, Indonesia
Datum konání akce
7. 11. 2012
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—