Post-editing skills for neural machine translation from English to Turkish

Bu çalışma, Nöral Makine Çevirisinin (NMÇ) Türkçedeki performansını ve özellikle Türkçe son-düzenleme için gerekli olabilecek son düzenleme becerilerini incelemektedir. Google Translate, Bing Translator, Yandex.Translate, Reverso ve Watson Language Translator olmak üzere beş çevrimiçi NMÇ sistemi ile bir makine çevirisi (MÇ) testi yapılmıştır. Bu amaçla ikişer teknik, hukuki ve tıbbi metnin makine çevirisi yapılmıştır. Ham MÇ çıktıları daha sonra SCATE MÇ hata sınıflandırması kullanılarak değerlendirilirmiştir. Sonuçlar, son-düzenleme bakış açısıyla analiz edilerek son-düzenlemede en çok hangi hata türlerinin düzeltildiği gösterilmiştir. Ayrıca bu tür hataları düzeltmek için gereken beceriler vurgulanmıştır. Sonuçlar, bitişken dil yapısının ve yazım kurallarının Türkçe son-düzenlemenin temel unsurları olduğunu ortaya koymaktadır. En sorunlu üç akıcılık kategorisi dilbilgisi, sözcük ve ortografidir. Dilbilgisi için en hatalı alt kategoriler ise sözcük biçimi, fazla sözcük ve eksik sözcük olduğu, sözcük için sözcük seçimi ve ortografi için noktalama işaretleri, büyük harf kullanımı ve yazım olduğu bulunmuştur. Doğruluk açısındansa çıkarma, yanlış çeviri, mekanik en hatalı üç kategori olduğu tespit edilmiştir. Bunların alt kategorileri ele alınınca, yanlış çeviri için kelime anlamını netleştirme baskındır ve mekanik içinse büyük harf kullanımı ve diğer hatalar alt kategorisi ön plana çıkmaktadır. Elde edilen bulgulara göre gerekli Türkçe son düzenleme becerileri, Türkçe son eklerin, dilbilgisi ve imla kurallarının rolünün ve kullanımının tam olarak anlaşılması, terim bilgisi ve sözlük bilgisidir.