Höhere Qualität und Präzision

NFA, die Abkürzung für Neural Fuzzy Adaptation, ist eine leistungsstarke Funktion, die es unserer Engine ermöglicht, anhand des Index zu übersetzen. Wenn Übersetzer neue Segmente nachbearbeiten, übernimmt das System diese Änderungen sofort und verbessert kontinuierlich die Übersetzungsqualität. 

Mehr über die NFA erfahren Sie in zwei unserer neuesten Webinare, eines mit XTM und das andere mit MemoQ 

Im Augenblick zeigt Model Studio nur den BLEU-Wert an. Obwohl wir aktiv daran arbeiten, andere Tools wie Comet zu integrieren, lag der Schwerpunkt auf der Effizienz und Leichtigkeit, den BLEU-Score als unsere wichtigste Bewertungsmetrik für den Moment zu verwenden. 

Absolut! Sie können mehrere Modelle bereitstellen und das Modell auswählen, das am besten zu Ihrem spezifischen Projekt passt. Vor der Bereitstellung eines Modells können Sie auch die Evaluierungsfunktion verwenden, mit der Sie verschiedene Testdateien hochladen und vergleichen können, um die Leistung der einzelnen Modelle zu überprüfen.  

Sie können bis zu drei Modelle nebeneinander vergleichen und so leicht die ideale Passform für Ihre Anforderungen finden. 

Aber auch ohne diese Funktion können Sie einfach mehr als ein Modell bereitstellen. 

Model Studio ist darauf zugeschnitten, aus bis zu 1 Million Satzpaaren das Beste zu machen, sowohl in Bezug auf Sauberkeit als auch Robustheit. Diese Einschränkung gilt für die Daten nach der Deduplizierung und der Unterdrückung potenziell beschädigter Zeichen.

Bitte beachten Sie, dass es auch ratsam ist, nicht sehr große Dateien auf einmal hochzuladen, um Netzwerkprobleme zu vermeiden.

Im Moment kann die Handhabung von Tags und Platzhaltern eine Herausforderung sein. Lange Sätze mit Tags können gelöscht werden, um die Verarbeitung zu verbessern. Wir arbeiten jedoch aktiv an Lösungen, um Tags besser handhaben zu können, und diese Funktion wird voraussichtlich 2024 verfügbar sein. 

In der Zwischenzeit können Sie Ihre Tags in Ihre CatTools eingeben und diese CatTools damit umgehen lassen.  

Wie bereits erwähnt, und da Platzhalter als Tag betrachtet werden können, kann es schwierig sein, Platzhalter zur Anonymisierung von Daten zu verwenden.  

Trainingsdaten sollten mit "XX" anstatt mit Platzhaltern oder Tags anonymisiert werden.  

Dies verhindert den Schutz der Privatsphäre und die Einhaltung der Datenschutzbestimmungen.  Seien Sie versichert, SYSTRAN priorisiert die Sicherheit der Kundendaten, und die Plattform verfügt über robuste Sicherheitsmaßnahmen. 

Zum Beispiel haben wir eine automatische Funktion zur Löschung von Trainingsdaten, die auf der Ebene des Datensatzes einstellbar ist. Der Standardwert ist 90 Tage, aber wir bieten auch Optionen für 180 Tage und nie das Löschen der Daten. Dieser Wert kann nach dem Hochladen geändert werden. 

Automatische Datenbereinigung  wird während des Uploads und während der Verarbeitung durchgeführt. 

Die Daten werden in zwei großen Reinigungsschritten gereinigt.  

Erstens werden Duplikate sowohl im Quell- als auch im Zielsegment entfernt. Zweitens arbeiten wir daran, falsche Codierungen aufzulösen und leere Sätze aus dem Ziel oder der Quelle zu entfernen. 

Bei der Datenverarbeitung erfolgt dann eine weitere Filterung und Reinigung vorwiegend der falsch ausgerichteten Segmente bzw. einer falschen Sprache.