Jennifer kauwen
Product Marketing ManagerSmartling
Zoals het gezegde luidt: hoe meer je doet, hoe meer je weet. Net als mensen kunnen machines in de loop van de tijd worden getraind om patronen te herkennen en te reageren met zeer specifieke acties.
Jennifer Chew en Benjamin Loy bespreken verschillende manieren waarop contentmakers Machine Learning kunnen gebruiken met Smartling om de efficiëntie te verhogen en vertalingen van hoge kwaliteit op het platform te maken.
Zomerschool | Machine learning: verder gaan dan machinevertaling van Smartling on Vimeo.
Wat is machinaal leren?
Het is een manier om gewenste acties op schaal te modelleren en uit te voeren. Volgens de Universiteit van Washington: "Machine learning-algoritmen kunnen erachter komen hoe ze belangrijke taken moeten uitvoeren door te generaliseren op basis van voorbeelden." In wezen zijn algoritmen gebouwd om patronen te herkennen binnen bestaande datapunten. Vervolgens worden deze patronen toegepast op nieuwe gegevenspunten om de te ondernemen acties te onderbouwen.
Hoe Smartling machine learning gebruikt:
Hier zijn enkele voorbeelden van machine learning in het Smartling-platform:
- Detectie van bestandstypen - Wanneer klanten hun inhoud in het Smartling-platform laden, gebruikt Smartling een ondersteunende vectormachine om bestandstypen te identificeren en dienovereenkomstig afzonderlijke tekenreeksen te parseren.
- Kwaliteitsvertrouwensscore - Smartling gebruikt een beslissingsboom om te bepalen hoe verschillende gegevenspunten de algemene evaluatie van het vertrouwen in de kwaliteit van een vertaling beïnvloeden.
- Tag-uitlijning - HTML-tags - zoals cursief - raken soms misplaatst wanneer delen van de spraak op verschillende plaatsen in een andere taal verschijnen. De machine learning van Smartling is getraind op het plaatsen van bijvoeglijke naamwoorden in het Frans om ervoor te zorgen dat tags naar het juiste deel van de zin worden verplaatst, van de Engelse naar de Franse vertaling.
- MT Auto Select - Smartling's nieuwste tool, MT Auto Select, zal in staat zijn om woorden op te nemen en ze thematisch te groeperen (bijv. Gezondheid, Restaurants, Juridisch), en wijs vervolgens de beste MT-engine toe om dat specifieke thema van woorden te vertalen.
Het is echter belangrijk op te merken dat machine learning-algoritmen weliswaar krachtige inzichten op schaal rond uw vertalingen kunnen onthullen, maar dat ze nooit 100% perfect zijn. Controleer altijd steekproefsgewijs uw resultaten en laat ons weten wat u vindt. We trainen onze modellen altijd om steeds nauwkeurigere inzichten te creëren.