Naziv
Strojno prevođenje
Organizacijska jedinica
Odsjek za informacijske i komunikacijske znanosti
ECTS
6
Šifra
52647
Semestri
zimski
Nastavnici
Satnica
Predavanja
30
Seminar
30

Cilj
Cilj kolegija je stjecane kompetencija vezanih uz izradu i primjenu sustava za automatsko strojno prevođenje u cilju prijenosa informacija, u okviru primjene suvremenih disruptivnih tehnologija. Analizirat će se primjena automatskog strojnog prevođenja i drugih jezičnih tehnologija u konkretnim situacijama poslovanja, obrazovanja i svakodnevne upotrebe. Provest će se evaluacija i analiza prednosti i nedostataka pojedinih strategija, arhitektura sustava, evaluacija automatske i ljudske evaluacije. Izradit će se vlastiti sustav i konceputalni model vlastitog sustava kroz integraciju različith disruptivnih tehnologija.
Sadržaj
  1. Uvod. Ciljevi, razlozi za razvojem, primjena, ograničenja strojnog prevođenja. Disruptivne i jezične tehnologije.
  2. Povijesni razvoj – od prve primjene do suvremenih rješenja sustava za strojno prevođenje.
  3. Besplatni prevodilački alati na internetu. Prikaz alata, analiza primjene; Strojno prevođenje temeljeno na pravilima (RBMT).
  4. Statističko strojno prevođenje (SMT). Analiza i evaluacija sustava.
  5. Analiza reursa i vrsta podataka potrebnih za izgradnju automatskog sustava za strojno prevođenje.
  6. Višejezčni informacijski sustav u EU. Analiza i primjena alata i resursa: sustava za strojno prevođenje, prepoznavanje govora, terminoloških baza, itd. Analiza resursa za hrvatski.
  7. Stupnjevi automatizacije. Mogućnosti integracije strojnog prevođenja i drugih sustava u konkretno okruženje.
  8. Automatsko strojno prevođenje u multimediji.
  9. Neuronske mreže. Neuronsko strojno prevođenje (NMT).
  10. Faze evaluacije sustava. Ljudska evaluacija sustava. Višediomenzionalna metrika (MQM).
  11. Automatska evaluacija primjenom različitih metrika (BLEU, NIST, WER, PER, F-mjera,…) i odnos s ljudskom evaluacijom.
  12. Prikaz i analiza sustava za izgradnju prilagođenog sustava za automatsko strojno prevođenje.
  13. Projektni rad: prikupljanje i priprema resursa za izgradnju sustava.
  14. Projektni rad: prikupljanje i priprema resursa za izgradnju sustava.
  15. Prikaz i evaluacija vlastitog sustava. Kritička analiza, mogućnosti primjene, integracije i ograničenja.

Ishodi učenja
  1. objasniti pojam digitalne transformacije kroz primjenu jezičnih i drugih disruptivnih tehnologija
  2. analizirati moguće primjene i ograničenja sustava za automatsko strojno prevođenje u konkretnim situacijama
  3. provesti komparativnu analizu različitih arhitekstuae sustava za automatsko strojno prevođenje temeljenih na jezičnim modelima, statističkom strojnom prevođenje i neuronskim mrežama
  4. objasniti osnovne principe neuronske mreže i primjene neuronskog strojnog prevođenja
  5. provesti prikupljanje različitih vrsta resursa (paralelnih korpusa i drugih izvora) potrebnih za izgradnju sustava za automatsko strojno prevođenje, pripremiti resurse za izgradnju sustava
  6. provesti evaluaciju sustava za automatsko strojno prevođenje primjenom ljudske i automatske metrike
  7. kritički procijeniti mogućnosti integracije sustava za strojno prevođenje u proces obrade dokumenta i dohvaćanja višejezičnih informacija
  8. - osmišljavanje i izgradnja vlastitog modela sustava za strojno prevođenje i provođenje evaluacije
  9. - provođenje evaluacije uz kritički pristup softvera za automatsko računalno prevođenje, prijevodnih memorija i terminoloških baza
  10. - analiza moguće primjene sustava za strojno prevođenje u konkretnim situacijama i analiza ograničenja
  11. - analiza potreba, uvjeta i ishoda unutar radne jedinice prilikom uvođenja tehnologije za računalno prevođenje
  12. - osmišljavanje i izgradnja vlastitog modela sustava za strojno prevođenje i provođenje evaluacije
  13. - primjena i analiza korpusa u izradi sustava za strojno prevođenje
  14. - provođenje evaluacije uz kritički pristup softvera za automatsko računalno prevođenje, prijevodnih memorija i terminoloških baza
  15. - analiza moguće primjene sustava za strojno prevođenje u konkretnim situacijama i analiza ograničenja
  16. Primijeniti znanja iz različitih područja računalne obrade jezika
  17. Interpretirati probleme vezane za dizajn, razvoj, evaluaciju i realizaciju dijaloških sustava utemeljenih na prirodnom jeziku
  18. Identificirati i usporediti vodeće trendove i razvoj računalnih tehnologija te tehnologije naprednog pretraživanja
Metode podučavanja
Metode poučavanja: klasično i primjenom sustava za e-učenje
- Predavanja – teorijski dio
- Vježbe – kroz samostalne zadatke
- Seminar – kroz samostalni ili timski rad
Metode ocjenjivanja
Konačna ocjena čini ukupnost znanja i ispunjenih obaveza tijekom nastavnog razdoblja, a stječe se prikupljanjem bodova kroz izvršene praktične zadatake (samostali rad), projekti zadatak kroz timski rad (istraživanje, prezentacija, izlaganje) i pismeni ispit.

Obavezna literatura
  1. Dovedan, Z.; Seljan, S.; Vučković, K. Strojno prevođenje kao pomoć u procesu komunikacije. Str. 283-291. Informatologia 35 (4), 2002, 283-291
  2. European Commission, DGT. Translation Tools and Workflow, 2012.
  3. Introduction to Machine Translation: An Online Tutorial, 2008.
  4. Seljan, S.; Gašpar, A. Primjena prevoditeljskih alata u EU i potreba za hrvatskim tehnologijama. Zagreb : HDPL, 2009, 617-625.
  5. Kučiš, V.; Seljan, S.; Klasnić, K. Evaluation of Electronic Translation Tools Through Quality Parameters // INFuture2009 - Digital Resources and Knowledge Sharing . Zagreb : Odsjek za informacijske znanosti, 2009, 341-351
  6. Seljan, S. Hrvatski jezik i računalno prevođenje: Hrvatski online. InfoTrend.hr - onLINE, 2014.
  7. Seljan, S.; Dunđer, I. Machine Translation and Automatic Evaluation of English/Russian-Croatian, 2015. 72-79
  8. Seljan, S.; Tucaković, M.; Dunđer, I. Human Evaluation of Online Machine Translation Services for English/Russian-Croatian. Springer. 353, 2015.
  9. Seljan, S.; Dunđer, I.; Pavlovski, M. Human quality evaluation of machine-translated poetry // 2020 43rd International Convention on Information, Communication and Electronic Technology (MIPRO): proceedings / Koricic, Marko... [et al] (ur.). Rijeka: Croatian Society for Information, Communication and Electronic Technology - MIPRO, 2020. str. 1040-1045 doi:10.23919/MIPRO48935.2020
  10. Dunđer, I. Seljan, S.; Pavlovski, M. Automatic machine translation of poetry and a low-resource language pair // 2020 43rd International Convention on Information, Communication and Electronic Technology (MIPRO): proceedings / Koricic, Marko... [et al] (ur.). Rijeka: Croatian Society for Information, Communication and Electronic Technology - MIPRO, 2020. str. 1034-1039 doi:10.23919/MIPRO48935
Dopunska literatura
  1. Zetzshe, Jost: A Translator's Tool Box - A Computer Primer. International Writer's Group, 2014.
  2. Nirenburg, S; Somers, H; Wilks, Y. Readings in Machine Translation. MIT, 2003
  3. Maegaard, Bente, ed. MT Summit VIII: Machine Translation in the Information Age. Proceedings, Santiago de Compsotela, Spain, 2001.
  4. Görög, A. Quantifying and benchmarking quality: the TAUS Dynamic Quality Framework, 2014.
  5. Seljan, S.; Brkić, M.; Kučiš, V. Evaluation of Free Online Machine Translations for Croatian-English and English-Croatian Language Pairs, 2011.
  6. 8Brkić, M.; Seljan, S.; Matetić, M. Machine Translation Evaluation for Croatian-English and English-Croatian Language Pairs // NLPCS Workshop: Human-Machine Interaction in Translation / Sharp, Bernardette ; Zock, Michael ; Carl, Michael ; Jakobsen, Arnt Lykke (ur.). Copenhagen : Copenhagen Business School, 2011. 93-104
  7. Seljan, S.. Sublanguage in Machine Translation. Proceedings of 23rd International Convention MIRO 2000: Computers in Intelligent Systems CIS + CTS . Str.17-20. Rijeka: Liniavera, 2000.
  8. Allen, James. Natural Language Understanding
  9. TAUS Translation Technology Landscape, 2020.

Obavezan predmet na studijima
  1. Informacijske znanosti, sveučilišni prijediplomski jednopredmetni studij, 5. semestar
Izborni predmet na studijima
  1. Informacijske znanosti, sveučilišni prijediplomski dvopredmetni studij, 5. semestar
Fakultetska ponuda
  • Prijediplomski studij: Zimski semestar