Visualizing Neural Machine Translation Attention and Confidence

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10372033" target="_blank" >RIV/00216208:11320/17:10372033 - isvavai.cz</a>
Výsledek na webu
<a href="https://ufal.mff.cuni.cz/pbml/109/art-rikters-fishel-bojar.pdf" target="_blank" >https://ufal.mff.cuni.cz/pbml/109/art-rikters-fishel-bojar.pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1515/pralin-2017-0037" target="_blank" >10.1515/pralin-2017-0037</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Visualizing Neural Machine Translation Attention and Confidence
Popis výsledku v původním jazyce
In this article, we describe a tool for visualizing the output and attention weights of neural machine translation systems and for estimating confidence about the output based on the attention. Our aim is to help researchers and developers better understand the behaviour of their NMT systems without the need for any reference translations. Our tool includes command line and web-based interfaces that allow to systematically evaluate translation outputs from various engines and experiments. We also present a web demo of our tool with examples of good and bad translations: http://ej.uz/nmt-attention
Název v anglickém jazyce
Visualizing Neural Machine Translation Attention and Confidence
Popis výsledku anglicky
In this article, we describe a tool for visualizing the output and attention weights of neural machine translation systems and for estimating confidence about the output based on the attention. Our aim is to help researchers and developers better understand the behaviour of their NMT systems without the need for any reference translations. Our tool includes command line and web-based interfaces that allow to systematically evaluate translation outputs from various engines and experiments. We also present a web demo of our tool with examples of good and bad translations: http://ej.uz/nmt-attention

Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)