Повышение эффективности систем машинного перевода: анализ метрик оценки качества перевода : магистерская диссертация

Abstract

С развитием технологий и увеличением объема глобальной информации машинный перевод (МП) становится все более востребованным инструментом для межъязыковой коммуникации. Современные системы машинного перевода, такие как PROMT, Yandex, Google и DeepL, генерируют значительные объемы данных, что требует надежных методов оценки их качества для повышения точности и надежности перевода. Существующие метрики, такие как BLEU, ROUGE и METEOR, имеют свои преимущества, но также обладают ограничениями, которые могут влиять на объективность оценки. В данной работе проведен всесторонний анализ существующих метрик оценки качества перевода и предложены новые метрики, адаптированные к различным жанрам текстов: художественным, техническим и документационным. Эти метрики учитывают лексические, семантические и стилистические особенности каждого жанра, что позволяет более точно и объективно оценивать качество перевода. Были разработаны алгоритмы и программное обеспечение для автоматизации процесса оценки перевода. В ходе исследования проведен сравнительный анализ эффективности работы популярных онлайн-переводчиков на основе новых метрик. Результаты исследования показали, что предложенные метрики демонстрируют высокую точность и надежность в оценке качества перевода, превосходя традиционные методы. Внедрение этих метрик в системы машинного перевода способствует повышению объективности оценки переводов, улучшению качества перевода и развитию новых методов обработки естественного языка.

With the development of technology and the increasing amount of global information, machine translation (MT) is becoming an increasingly sought-after tool for cross-lingual communication. Modern machine translation systems such as PROMT, Yandex, Google and DeepL generate significant amounts of data, which requires reliable methods to assess their quality to improve the accuracy and reliability of translation. Existing metrics such as BLEU, ROUGE and METEOR have their advantages but also have limitations that may affect the objectivity of the evaluation. This paper comprehensively analyzes existing metrics for evaluating translation quality and proposes new metrics adapted to different genres of texts: fiction, technical and documentary. These metrics take into account the lexical, semantic and stylistic features of each genre, which allows for a more accurate and objective evaluation of translation quality. Algorithms and software were developed to automate the translation evaluation process. The study conducted a comparative analysis of the performance of popular online translators based on the new metrics. The results of the study showed that the proposed metrics demonstrate high accuracy and reliability in evaluating translation quality, outperforming traditional methods. The introduction of these metrics into machine translation systems contributes to improving the objectivity of translation evaluation, enhancing translation quality and developing new methods of natural language processing.