Neuroverkkokonekääntämisen vertailua tilastolliseen konekääntämiseen

Neuroverkkokonekääntäjä (NMT) on kehittynyt viime vuosien aikana merkittäväksi kilpailijaksi pitkään vallitsevana olleelle tilastolliselle kääntäjälle (SMT). Tutkielmassa vertaillaankin NMT:tä ja SMT:tä käännöslaadun ja tehokkuuden näkökulmista. NMT suoriutuu SMT:tä paremmin lähes kaikilla tutkituil...

Full description

Bibliographic Details
Main Author: Tolonen, Eeva
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Bachelor's thesis
Language:fin
Published: 2018
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/60720
Description
Summary:Neuroverkkokonekääntäjä (NMT) on kehittynyt viime vuosien aikana merkittäväksi kilpailijaksi pitkään vallitsevana olleelle tilastolliselle kääntäjälle (SMT). Tutkielmassa vertaillaankin NMT:tä ja SMT:tä käännöslaadun ja tehokkuuden näkökulmista. NMT suoriutuu SMT:tä paremmin lähes kaikilla tutkituilla käännöslaadun mittareilla, mutta tehokkuudessa ja kääntäjän tulosten optimoinnissa olisi vielä parantamisen varaa. Neuroverkkoparadigma on lyhyessä ajassa tullut jäädäkseen osaksi modernia konekääntämistä. In recent years, neural machine translation (NMT) has become a major competitor for the formerly predominant statistical machine translation (SMT). In this thesis, NMT and SMT are compared in terms of translation quality and efficiency. It is found that NMT performs better on almost every aspect when it comes to translation quality. In efficiency and optimicing the translation results, however, there is still room for improvement when compared to SMT. The neural paradigm has come to stay as a part of modern machine translation.