Tanja Munz-Körner

Science meets Art

Neural Machine Translation

Projektübersicht

Dieses Projekt befasst sich mit einer neuartige visuell-interaktive Methode zur Analyse, zum Verständnis und zur Verbesserung der neuronalen maschinellen Übersetzung (NMT). Das entwickelte System unterstützt die Nutzer dabei, Dokumente automatisch mit neuronaler maschineller Übersetzung zu übersetzen und gleichzeitig potenzielle Übersetzungsfehler zu identifizieren und zu korrigieren. Benutzerkorrekturen können genutzt werden, um das Modell der neuronalen maschinellen Übersetzung zu verfeinern, was zu automatischen Verbesserungen im gesamten Dokument führt. Diese Initiative wurde in Zusammenarbeit mit dem Institut für Maschinelle Sprachverarbeitung (IMS) an der Universität Stuttgart durchgeführt und entstand als Masterarbeit: A visual analytics approach for explainability of deep neural networks. Der Student entwickelte die Basisimplementierung für diesen Ansatz.

Mein Beitrag

Ich koordinierte das Projekt während der Schreibphase, fügte dem System Funktionen und Visualisierungen hinzu, verbesserte die Benutzerfreundlichkeit und verfasste den Großteil des Papers. Dazu gehörte die Erstellung aller Bilder für das Paper sowie einesn Demovideos. Ich bereitete auch eine Online-Präsentation für die Graphics-Interface-Konferenz vor und hielt sie.

Veröffentlichungen

Die Ergebnisse dieses Projekts sind in dem Paper Visual-Interactive Neural Machine Translation veröffentlicht. Dieses Paper wurde als eines der besten Einreichungen bei Graphics Interface 2021 anerkannt. Wir wurden anschließend eingeladen, eine überarbeitete und erweiterte Version des Artikels für die Zeitschrift Computers & Graphics einzureichen: Visualization-Based Improvement of Neural Machine Translation. Darüber hinaus wird Inhalt im Poster Visual-Explainable AI: The Use Case of Language Models präsentiert.