Chào bác tuquy,

    Tôi kiểm tra lại TM của tôi thì thấy hoàn toàn đúng. Các câu này đúng là tôi dịch. Có lẽ bác BOCOHAN có trục trặc khi đồng bộ hóa.

Aiviet

Chào bác ndthien,

Tôi cũng ít để ý tới chức năng "Gợi ý thêm". Hay là cho chức năng đó thành mặc định luôn đi.

Hoặc để cho BOCOHAN hay lên thì mình phải sort tập câu gợi ý đó dựa theo "điểm dịch" bằng cách dùng kết hợp:

1. Độ chênh lệch số từ của câu tiếng Anh so với câu tiếng Việt: chẳng hạn câu 5 từ thì khó lòng mà dịch thành câu 20 từ được.
   
2. Xem xét những từ không dịch được. Xét mấy câu sau:
   (A) I fly to Chicago.
   (B) Tôi bay tới Chicago.
   (C) Hôm nay tôi đi chơi.
   (D) Welcome to VIEGRID.
   (E) Chào mừng đến VieGrid.
   (F) Chào mừng đến Vietnam.
   => rõ ràng câu B có khả năng hơn câu C khi dịch từ câu A, tương tự cho câu DEF. Có thể xem từ Chicago ở đây là từ khóa (keyword) của A & B. Dễ dàng thấy các con số, dấu câu,... cũng có thể làm keyword  (ví dụ câu tiếng Anh có $100 thì khi dịch qua câu tiếng Việt vẫn là $100 hoặc 100) và còn nhiều thứ khác nữa. Tôi hay dùng cách này để tìm văn bản song ngữ trên BBC, VOA. 
   
3. Dùng từ điển song ngữ Anh-Việt để tính điểm dịch.

• Cho câu tiếng Anh đầu vào: input (chiều dài n)
• Câu được dịch là tiếng Việt: output (chiều dài m)
• Mỗi câu có nhiều từ, các punctuation,.. gọi chung là các token.
• Đầu tiên các bác cứ việc tách từng token của input & output rồi dóng hàng ngang cho input, dọc cho output để lập 1 ma trận M (n,m). Ứng với mỗi (i, j) thuộc ma trận thì bác cứ tra từ điển, nếu TraTu(input[i])=output[j] thì tăng 1 điểm cho ma trận đó. Cứ tiếp tục cho hết i, j
  
  => mở rộng của cách 3 này chính là ý tưởng nguyên thủy của word-alignment trong SMT.
  

Có thể kết hợp (2) vào (3) để tăng k điểm cho những  trường hợp từ không được dịch, con số k đó có được sau khi đã thử đánh giá độ chính xác k từ testset. Ngoài ra cũng có thể sử dụng 1 số heuristic khác để tăng điểm hoặc trừ điểm cho (3): ví dụ như câu tiếng Anh có 1 dấu phẩy mà câu tiếng Việt có tới 2 dấu phẩy thì trừ 2 điểm. Hoặc các bác có thể sử dụng ngay mấy sentence pattern của BOCOHAN để chấm điểm luôn: ví dụ too...to nếu được dịch thành quá...đến nỗi thì tăng 2 điểm.

Tổng điểm sau khi thực hiện các tiêu chí trên sẽ được dùng để sắp xếp lại gợi ý của BOCOHAN => phần lớn những gợi ý sát sẽ nằm trên cùng.

Thời gian chạy của cả 3 cách này cũng nhanh nên sẽ dùng được cho BOCOHAN. Nếu BOCOHAN sử dụng các tiêu chí (1 & 3) trên thì câu Y sẽ được chọn thay vì Z, hoặc các bác có thể sử dụng cách khác miễn sao chọn được Y lên đầu là "ngon". BOCOHAN ưu tiên ráp X-Z trong khi đã có X-Y nên tôi thấy không "khoái" lắm.  Mặc dù sẽ thông minh như chủ, nhưng engine của BOCOHAN được làm cho thông minh chừng nào hay chừng đó. 

Trên đó chỉ là một vài ý tưởng sơ khởi nên còn có thể cải tiến được thêm nhiều. Các bác thảo luận thêm. 

Chào cả nhà, 

Theo tôi hiểu thì bác tuquy muốn dùng một tập các tiêu chí để  tính dồn điểm dịch: cộng thêm n điểm hay trừ bớt m điểm theo một tập các trọng số W nào đó hoặc giữ nguyên điểm khi thõa điều kiện nào đó. Sau khi chạy qua từng tiêu chí thì điểm dịch sẽ thay đổi, nếu nghĩ ra nhiều tiêu chí phù hợp thì điểm dịch càng phản ánh đúng câu được dịch hơn => mọi "tiêu chí mơ hồ" đều nhắm tới điểm dịch cụ thể để đánh giá cho cặp câu cụ thể. Độ ưu tiên của tiêu chí hay "mức độ quan trọng của tiêu chí" đều có thể được thể hiện bằng các trọng số trong W, hơn nữa có thể tìm được tập trọng số tối ưu cho W sao cho điểm dịch do máy chấm càng phù hợp với người chấm càng tốt (tunning). Như vậy việc xác định độ ưu tiên & loại trừ mâu thuẫn của các tiêu chí cũng có thể được làm một cách tự động thông qua bước tunning.

Có thể áp dụng tiêu chí 1 của bác tuquy để lọc ra những cặp câu bị chênh nhiều quá, sau đó mới dùng 2 & 3 để chấm điểm dịch.

Nếu dùng từ điển thì cũng nên nghĩ tới cách xử lý những biến thể (morphology) của một từ bởi vì từ điển không chứa tất cả morphology của từ. Do đó tôi đề xuất thêm tiêu chí thứ 4 để tính điểm

(4) Cơ bản cũng như cách 3, nhưng trước tiên các token của câu input phải được steam về nguyên gốc (dùng ngữ liệu WordNet kết hợp với thuật toán Porter). Đồng thời các mục từ tiếng Anh trong từ điển song ngữ Anh-Việt cũng phải được steam về gốc. Sau đó lấy điểm trung bình của 3 & 4. Ngoài ra, do tiếng Việt có từ kép nên các token của câu tiếng Việt phải được tokenize theo mức từ kép (Chào_mừng đến VIEGRID)

 Một số ý cần suy nghĩ thêm:

• Bổ sung từ điển các cụm từ & tokenize theo cụm từ trong từ điển đó.
• Có cần phải loại luôn mấy từ tầm thường (stop word) và mạo từ?
• Sau khi ma trận được chạy thì có thể có những dòng/cột trống trên ma trận M(m, n) của 3 & 4. Những dòng/cột đó là những từ không dịch được bằng từ điển thì có nên trừ điểm?

Theo tôi, để khả chuyển (khả năng thêm bớt tập tiêu chí phù hợp) thì BOCOHAN nên dựa vào tập tiêu chí để tính ra điểm dịch rồi mới sort (chắc đây cũng là ý của bác tuquy thì phải ) 

Chào bác tuquy,

Đề nghị bác chuyển về mục Các công nghệ dịch hay CNTT với dịch thuật. Đây là mục Cúm lợn.

Cảm ơn bác

Aiviet

Chào bác aiviet,

Xin lỗi, do tôi viết không rõ. Các bài báo đó không phải về dịch thuật cũng như dịch CNTT mà là một số cách tính "điểm dịch".

Tôi không có quyền xóa chính bài viết của mình. Nhờ bác admin xóa dùm bài viết.

Cám ơn,