研究发现,MT Post-Editing将瑞士银行的翻译生产率提高了60%


2019-07-21 17:24:44


金融翻译


快速增长的中型翻译买家群体跟随更多成熟的大型买家实施机器翻译后编辑(PEMT),通过他们的LSP或直接通过他们的翻译管理系统(TMS)中的API。

学术界也越来越关注定量研究人类机器互动在语言翻译中的影响。
研究人员使用领域适应神经机器翻译(NMT)与位于瑞士苏黎世的Migros Bank内部翻译团队进行了这项研究。Migros Bank是瑞士最大零售商Migros的银行部门,业务遍及全国的德语,法语和意大利语区。该银行拥有67家分行,拥有1300多名员工,并在2018年创造了2.04亿瑞士法郎(2.05亿美元)的利润。

2016年,Migros银行决定减少向语言服务提供商(LSP)提供的工作,将年内翻译量大约200万字的内部数据带回内部

该银行建立了一个由2.8名全职员工组成的小型内部翻译团队,并推出了翻译管理系统Across最初,该计划是内部团队承担约60%的翻译工作量。然而,根据Läubli的说法,由于部署了PE(N)MT,它增长到了80%。

PEMT:经过实验测试

Läubli等。除了特定领域的翻译记忆库和术语库之外,还经验性地测试了包含NMT如何影响金融文本专业翻译的速度和质量。“

 

该研究发现,“即使语言对在研究环境中很少受到关注,并且少量的域内数据用于系统调整,NMT后期编辑可以节省大量时间,并且可以获得相同或略微更好的质量。”

银行的四名翻译参与了这项研究,每个语言对两名。在每个语言对中,有两个实验条件:一个是翻译记忆(TM) - 另一个是PEMT - 也就是说,翻译者正在编辑NMT输出。

在第一组中,翻译人员可以在他们习惯的翻译环境中访问特定于域的TM,特定于域的术语库以及任何在线服务(机器翻译除外)。在第二种情况下,他们也可以访问所有这些内容,除了TM中没有至少80%模糊匹配的句子通过NMT引擎运行。

法语与意大利语

在德语到法语的组合中,每小时的平均速度分别为仅有TM和后编辑的585和934个单词; 增加了近60%。作为参考,在PEMT速度上调查的很大一部分读者同意每小时大约1,000个单词是一个真实的小时输出。

 

意大利语作为目标语言的差异较小,每小时仅生成453和495个单词,仅分别为TM和后期编辑; 速度增加9%。

在提供翻译成法语的其中一个文本中,PEMT实现的最大速度为每小时1,237个单词,而仅使用TM时为每小时683个单词。对于意大利语,后期编辑的最高速度为648个单词,仅限TM的553个单词。使用PEMT,四分之三的翻译平均更快。

质量评估了五个参数:连贯性,凝聚力,语法,风格和文化适应性。总体而言,在法语中,使用和不使用NMT制作的文本之间的质量没有差异。在意大利语中,用MT翻译的文本得分略高。在法语和意大利语中没有MT制作的文本中发现凝聚力更好。

该研究没有提供关于为什么以法语作为目标语言的结果更好的结论性解释。提到的一个可能的原因是德国到意大利的引擎训练的域内材料少于德国到法国的引擎。

 

Chantal Amrhein,PatrickDüggelin,Beatriz Gonzalez,Alena Zwahlen和Martin Volk是Läubli的合作研究人员。