Fehlerbehebung bei neuronalen Maschinentranslationen

In dieser Arbeit beschreiben wir ein Werkzeug zur Fehlersuche in der Ausgabe und den Aufmerksamkeitsgewichten von neuronalen Maschinübersetzungssystemen (NMT) sowie zur Verbesserung der Zuverlässigkeitsabschätzungen für die Ausgabe basierend auf der Aufmerksamkeit. Das Ziel des Werkzeugs ist es, Forschern und Entwicklern zu helfen, schwache und fehlerhafte Übersetzungsbeispiele zu identifizieren, die ihre NMT-Systeme erzeugen, ohne dass Referenzübersetzungen erforderlich sind. Unser Werkzeug bietet zudem die Möglichkeit, Übersetzungsoutputs direkt aus zwei verschiedenen NMT-Engines oder Experimenten zu vergleichen. Darüber hinaus stellen wir eine Demowebsite unseres Werkzeugs vor, die Beispiele für gute und schlechte Übersetzungen enthält: http://attention.lielakeda.lv