20.500.12556/DKUM-88990 Uporaba evolucijskih algoritmov v statističnem in hibridnem strojnem prevajanju doctoral dissertation The use of evolutionary algorithms in statistical and hybrid machine translation Doktorska disertacija obravnava področje strojnega prevajanja visoko fleksibilnih jezikov, osredotoča pa se na izzive tako statističnega kot nevronskega strojnega prevajanja, ki jih prinašajo strukturne razlike med visoko fleksibilnimi jeziki in angleščino. Naša raziskava vključuje tudi eksperimentalni del, izveden na jezikovnem paru \mbox{slovenščina--angleščina}, ki zajema prevajanje v obe smeri. V prvem eksperimentu smo načrtovali nov pristop za optimizacijo parametrov v statističnem strojnem prevajanju z uporabo evolucijskih algoritmov. Primerjali smo sisteme statističnega strojnega prevajanja, optimizirane s klasičnimi algoritmi za optimizacijo uteži v statističnem strojnem prevajanju, in sisteme, optimizirane z evolucijskimi algoritmi. V drugem eksperimentu pa smo načrtovali in razvili hibridni pristop, ki vključuje sisteme statističnega in nevronskega strojnega prevajanja. Izvorno poved in dva ciljna prevoda, prevedena z obema sistemoma, smo pretvorili v isti vektorski prostor, iz katerega smo nato pridobili vektorje značilk. V okviru doktorske disertacije smo pred\-lagali nov nabor značilk. Z uporabo klasifikatorjev smo nato izbrali boljšega izmed dveh prevodov, statističnega in nevronskega. Evalvacijo sistemov strojnega prevajanja smo izvedli z uporabo uveljavljenih metrik, kot so BLEU, TER, chrF in COMET. Opravili smo statistično analizo eksperimentalnih rezultatov s ponovnim vzorčenjem, ki je pokazala statistično pomembne razlike v kakovosti ustvarjenih prevodov. Eksperimentalni rezultati potrjujejo, da smo s predlaganimi pristopi izboljšali kakovost strojnih prevodov. The doctoral dissertation tackles the field of machine translation of highly flexible languages, focusing on the challenges posed by both statistical and neural machine translation due to the structural differences between highly flexible languages and English. Our research includes an experimental part carried out on the Slovene--English language pair, covering translation in both directions. In the first experiment, we developed a new approach for parameter optimization in statistical machine translation (SMT) using evolutionary algorithms. We compared SMT systems optimized with classical weight optimization algorithms to those optimized with evolutionary algorithms. In the second experiment, we designed and developed a hybrid approach that integrates SMT and neural machine translation (NMT) systems. We converted the source sentence and the two target translations, produced by both systems, into the same vector space, from which feature vectors were then obtained. As part of the doctoral dissertation, we proposed a new set of features. Using classifiers, we selected the better translation between the SMT and NMT system outputs. The evaluation of the machine translation systems was performed using established metrics such as BLEU, TER, chrF, and COMET. We conducted a statistical analysis of the experimental results with resampling, which showed statistically significant differences in the quality of the translations created. Experimental results confirm that we have improved the quality of machine translations with the proposed approaches. evolucijski algoritem statistično strojno prevajanje nevronsko strojno prevajanje hibridni pristop strojnega prevajanja optimizacija predstavitev besed klasifikacija obratno prevajanje evolutionary algorithm statistical machine translation neural machine translation hybrid machine translation approach optimization sentence representation classification backtranslation true true false [J. Dugonik] Slovenski jezik Angleški jezik Doktorsko delo/naloga 2024-06-04 10:34:49 2025-01-29 10:37:56 2025-01-30 03:11:22 0000-00-00 00:00:00 2025 0 Maribor 0 Maribor XVI, 122 str. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.8.021:81'322.4(043.3) 224373507 DOK_Dugonik_Jani_2025.pdf DOK_Dugonik_Jani_2025.pdf 1 BECF4CC158DF995CAE79AA3BE39A085C d1d179fae6edee8a0a78371e2a68dbaef595fd73568115dc973084a5d2eb49ba 9492198d-d4df-11ef-8b55-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=187938 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0