• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Language Resources and Evaluation >Japanese-to-English translations of tense, aspect, and modality using machine-learning methods and comparison with machine-translation systems on market
【24h】

Japanese-to-English translations of tense, aspect, and modality using machine-learning methods and comparison with machine-translation systems on market

机译：使用机器学习方法进行时态，方面和情态的日语到英语翻译，并与市场上的机器翻译系统进行比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper describes experiments carried out utilizing a variety of machine-learning methods (the k-nearest neighborhood, decision list, maximum entropy, and support vector machine), and using six machine-translation (MT) systems available on the market for translating tense, aspect, and modality. We found that all these, including the simple string-matching-based k-nearest neighborhood used in a previous study, obtained higher accuracy rates than the MT systems currently available on the market. We also found that the support vector machine obtained the best accuracy rates (98.8%) of these methods. Finally, we analyzed errors against the machine-learning methods and commercially available MT systems and obtained error patterns that should be useful for making future improvements.
机译：本文介绍了利用多种机器学习方法（k近邻，决策表，最大熵和支持向量机）进行的实验，并使用市场上可用的六种机器翻译（MT）系统进行时态翻译。 ，方面和模式。我们发现，所有这些，包括先前研究中使用的基于简单字符串匹配的k近邻，都比当前市场上的MT系统获得了更高的准确率。我们还发现，支持向量机在这些方法中获得了最高的准确率（98.8％）。最后，我们针对机器学习方法和市售的MT系统分析了错误，并获得了有助于将来进行改进的错误模式。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号