English-Kazakh Parallel Corpus For Statistical Machine Translation

2014

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.5121/ijnlc.2014.3306
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This paper presents problems and solutions in developing English-Kazakh parallel corpus at the School of Mechanics and Mathematics of the al-Farabi Kazakh National University.The research project included constructing a 1,000,000-word English-Kazakh parallel corpus of legal texts, developing an English-Kazakh translation memory of legal texts from the corpus and building a statistical machine translation system.The project aims at collecting more than ten million words.The paper further elaborates on the procedures followed to construct the corpus and develop the other products of the research project.Methods used for collecting data and the results are discussed, errors during the process of collecting data and how to handle these errors will be described.