Routledge Encyclopedia of Translation Technology
Notice bibliographique
Résumé
Introduction Chan Sin-wai Acknowledgement Part 1: General Issues of Translation Technology * The Development of Translation Technology: 1967-2013 Chan Sin-wai * Computer-aided Translation: Major Concepts Chan Sin-wai * Computer-aided Translation Systems Ignacio Garcia * Computer-Aided Translation: Translator Training Lynne Bowker * Machine Translation: General Liu Qun and Zhang Xiaojun * Machine Translation: History of Research and Applications W. John Hutchins * Example-based Machine Translation Billy Wong Tak-ming and Jonathan Webster * Open-Source Machine Translation Technology Mikel L. Forcada * Pragmatics-based Machine Translation David Farwell and Stephen Helmreich * Rule-based Machine Translation Yu Shiwen and Bai Xiaojing * Statistical Machine Translation Liu Yang and Zhang Min * Evaluation in Machine Translation and Computer-aided Translaton Kit Chunyu and Wong Tak-ming * The Teaching of Machine Translation: The Chinese University of Hong Kong as a Case Study Cecilia Wong Suk Man Part 2: The National / Regional Developments of Translation Technology * Translation Technology in China Qian Duoxiu * Translation Technology in Canada Elliott Macklovitch * Translation Technology in France Sylviane Cardey * Translation Technology in Hong Kong Chan Sin-wai, Ian Chow and Wong Tak-ming * Translation Technology in Japan Hitoshi Isahara * Translation Technology in South Africa Gerhard van Huyssteen and Marissa Griesel * Translation Technology in Taiwan: Track and Trend Shih Chung-ling * Translation Technology in the Netherlands and Belgium Leonoor van der Beek and Antal van den Bosch * Translation Technology in the United Kingdom Christophe Declercq * A History of Translation Technology in the United States of America Jost Zetzsche and Jennifer DeCamp Part 3: Specific Topics in Translation Technology * Alignment Lars Ahrenberg * Bitext Alan K. Melby, Arle Lommel, and Lucia Morado Vazquez * Computational Lexicography Zhang Yihua * Concordancing Federico Zanettin * Controlled Language Rolf Schwitter * Corpus Li Lan * Editing in Translation Technology Christophe Declercq * Information Retrieval and Text Mining Kit Chunyu and Nie Jian-Yun * Language Codes and Language Tags Sue Ellen Wright * Localization Keiran Dunne * Natural Language Processing Olivia Kwong * Online Translation Federico Gaspari * Part of Speech Tagging Felipe Sanchez-Martinez * Segmentation Freddy Y. Y. Choi * Speech Translation Tan Lee * Subtitling and Technology Jorge Dias-Cintas * Terminology Management Kara Warburton * Translation Memory Alan K. Melby and Sue Ellen Wright * Translation Management Systems Mark Shuttlewort
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,303 | 0,222 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».