翻訳者コミュニティの構築

これらの推奨事項に従うことで、多言語による完全な機械翻訳後編集の作成をサポートします。良い翻訳は、文脈的に正しい翻訳を目指す House のシステム機能モデルによって定義されます。独自の機械翻訳後編集のガイドラインを作成し、独自の定義に合わせてこれらの推奨事項を変更します。多くの場合、ブラウザプラグインの言語ツールは、校正ツールとして使用できます。

現地化コミュニティのチェックリスト

バージョン 3.9 で追加.

各コンポーネントのメニューに記載されている現地化コミュニティのチェックリストを使用すると、現地語化の作業をコミュニティの翻訳者が簡単に行えるようになります。

用語集の管理

用語の割り当てを使用した機械翻訳後の編集は、翻訳プロセスの各レベルに影響を与えます。機械翻訳システムは、継続的なトレーニングまたはニューラルファジー修復を使用して、特定の語彙とスタイルに適合させることができます。既存の翻訳メモリを weblate にインポートするか、基本的な用語を含む初期の用語集を作成します。最終的には、その分野における必要な知識と翻訳結果を保証するために、専門家に追加の用語集の作成をお願いすることが必要です。

機械翻訳

自動翻訳（多くの場合、BLEU スコアで測定）の品質は、翻訳時間と相関関係があります [1] 。必要な言語とドメインに対応するマシンのバックエンドを選択します。翻訳バックエンドがどのように機能するか確認し、ポストエディタが必要とする品質を明確にします。

翻訳の査読

翻訳は、編集後に 2 人目が査読することが必要です。公平で有能な校閲者がいることにより、2 人体制のもとで、誤訳が減少し、翻訳の品質と一貫性が向上します。

構造化されたフィードバック

Weblate には、翻訳の品質を行う構造化されたフィードバックを実現する多くの検査と修正があります。

翻訳の定義

大幅な削減を可能にする精神的および基本的な効果の定義に加えて、テキストベースの言語的アプローチは、組み込みの翻訳手法として最適です。翻訳評価のため十分に定式化された理論は、オリジナルと翻訳の関係に焦点を当てた House の体系的機能モデルです。このモデルでは、翻訳とは、ある言語コードから別の言語コードに移行するときに、テキストの意味、語用論、およびテキストの意味を同等に保つ試みであると想定しています。

翻訳の品質の度合いは、同等性の程度、テキストプロファイルとテキスト関数の間の度合い基づいています。自動的に計算することはできないため、人間が均一に評価できるように十分な情報を収集することが必要です。対応するモデルを一致させる 2 つの主要なパラメータは、マクロコンテキスト（つまり、より大きな社会的および文学的文脈に埋め込む）と、フィールド、方針、およびモードで構成されるマイクロコンテキストです。

原文

Marina Sanchez-Torron と Philipp Koehn、機械翻訳の品質と編集後の生産性。図 1: https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf
Joanna Best と Sylvia Kalina。翻訳と通訳: オリエンテーションのヘルプ。 A. Francke Verlag Tübingen と Base、2002 年。翻訳批評の機会 p.101 頁以降
翻訳後の編集のガイド、Sharon O'Brien と Fred Hollowood、機械翻訳後の編集のガイドライン、2010 年。 https://www.taus.net/academy/best-practices/postedit-best-practices/machine-translation-post-editing-guidelines
ニューラルファジー修復。Bram Bulté と Arda Tezcan、ニューラルファジー修復: あいまい一致のニューラル機械翻訳への統合、2019 年。https://aclanthology.org/P19-1175.pdf