.

شبکه تخصصی ترجمه یک

ترجمه فارسی به کردی، ترجمه کردی به فارسی


 

 

 

<< برای ثبت سفارش ، تعیین قیمت آنلاین و دریافت اطلاعات کلی اینجا کلیک کنید >>

 

 

 

 

ترجمه زبان کردی توسط مترجمین مجرب شبکه تخصصی ترجمه یک به صورت تخصصی و با قیمت مناسب انجام میگیرد.

دپارتمان تخصصی با هدایت و نظارت دقیق بر روی ترجمه های انجام شده سطح کیفی ترجمه را افزایش داده و موجبات رضایتمندی هزاران کاربر دائمی خود را فراهم نموده است.

ترجمه در تمام رشته ها از جمله: فنی و مهندسی ، پزشکی ، تاریخی ، سیاسی ، هنر ، ادبیات و ... به صورت 24 ساعته انجام می پذیرد.

یکی از مزایای شبکه ترجمه یک سفارش و پرداخت مبلغ به صورت آنلاین در آن است که باعث سهولت کار کاربران شده است.

سفارش آسان و کاربر پسند همواره یکی از دغدغه های شبکه ترجمه یک در طراحی سایت و بخش های مختلف آن بوده است.

پشتیبانی اکثر زبانهای روز دنیا یکی از ویژگیهای خاص ترجمه یک است.

پشتیبانی فرمتهای رایج وورد شامل docx , doc, txt باعث افزایش رضایتمندی کاربران همیشگی شبکه تخصصی ترجمه یک گردیده است.

 

 

iódico itself was also performed. The obtained re- sults are shown in Table 7. Sent. ES > CA CA > ES Baseline N-II 636 75.91 73.50 Improved N-II 81.35 76.12 Baseline N-II 2000 83.80 83.01 Improved N-II 83.91 83.23 Table 7: BLEU results in both directions of trans- lation. The results obtained with the 636-sentence test corpus show that the problems we were focusing on are being solved better than in the baseline sys- tem. A slight improvement is also observed when using the El Periódico test set, although the im- provement is not so obvious since the corpus does not contain explicitly the error cases we were deal- ing with. Additionally, the following points could explain some reasons why the improvement was not higher: 1. The improved translation has an additional knowledge with respect to the corpus. There- fore, some translations from the improved system are correct but differ from the refer- ence while the baseline system outputs the reference as it is. E.g. EUA està (...) instead of Els EUA estan (...) 2. The CA>ES translation from the improved system contains more words than the CA>ES translation from the baseline system. It must be taken into account that BLEU measures the precision and not the recall. 6 Conclusions The initial aim of the current paper was to improve an Ngram-based statistical machine system. Once a set of common errors were detected through a human evaluation, a set of techniques based on the used of grammatical category, lexical categorisa- tion and text processing have been applied. When using an ad hoc built test corpus, the re- sults show that the use of grammatical informa- tion and the correction of the text as a pre- and postprocessing are useful techniques in order to achieve this goal, as it has been shown in the auto- matic evaluation: the BLEU of the improved N-II is higher with respect to the baseline system. A higher performance in terms of BLEU is also reflected in the improved N-II when using a gen- eral corpus extracted from EL Periódico, although the relative improvement is less than the previous one, since the corpus does not contain explicitly the problems we were tackling in the current paper. Additionally, possible causes for the less improve- ment observed have been analysed. References Carreras, Xavier , Chao, Isaac , Padró, Lluís, and Padró, Muntsa. 2004. FreeLing: An Open-Source Suite of Language Analyzers. Proceedings of the Conference on Language Resources and Evaluation, Lisboa. Crego, Josep M. and Mariño, José B. 2007. Improving SMT by coupling reordering and decoding. Machine Translation, 20:3:199–215. Mariño, José B. , Banchs, Rafael E. , Crego, Josep M. , de Gispert, Adrià , Lambert, Patrick , Fonol- losa, J.A.R. and Costa-jussà, Marta R. 2006. N- gram Based Machine Translation. Computational Linguistics, 32:4:527–549. Niessen, S., Ney, H. 2000. Improving SMT quality with morpho-syntactic analysis. Proceedings of the International conference on Computational Linguis- tics, Saarbrücken, Germany. Och, Franz Josef 2003. Minimum Error Rate Train- ing in Statistical Machine Translation. Proceedings of the 41st Meeting of the Association for Computa- tional Linguistics, Sapporo, Japan. 160–167. Popovi´ c, M., Ney, H. 2004. Towards the Use of Word Stems and Suffixes for Statistical Machine Transla- tion. Proceedings of International Conference on Language Resources and Evaluation, Lisbon, Por- tugal. Popovi´ c, M., Ney, H. 2006. POS-based Word Reorder- ings for Statistical Machine Translation. Proceed- ings of International Conference on Language Re- sources and Evaluation, Genoa, Italy. Popovi´ c, M., de Gispert, A., Gupta, D., Lambert, P., Ney, H., Mariño, J.B. y Banchs, R. 2006. Morpho- syntactic Information for Automatic Error Analysis of Statistical Machine Translation Output. Proceed- ings of the HLT/NAACL Workshop on Statistical Ma- chine Translation, New York. iódico خود را نیز انجام شد. به دست آمده دوباره نتایج در جدول 7 نشان داده شده است. ارسال شد. ES> CA CA> ES در شروع مطالعه N-II 636 75.91 73.50 بهبود N-II 81.35 76.12 در شروع مطالعه N-II 2000 83.80 83.01 بهبود N-II 83.91 83.23 جدول 7: BLEU نتایج: از شماره در هر دو جهت از ترانس '' آرزومندم. نتایج به دست آمده با استفاده از آزمون 636 حکم مجموعه نشان می دهد که مشکلات ما با تمرکز شد در حال حل بهتر از در پایه سیستم دما. بهبود اندکی نیز مشاهده شده است زمانی با استفاده از مجموعه ای از تست ال Periódico، اگر چه من دارم، بهبود است تا آشکار از مجموعه را نمی کند شامل صراحت موارد خطا ما معامله نیست نشستند با. علاوه بر این، نکات زیر می تواند توضیح برخی از دلایل بهبود بود نه بالاتر: 1. ترجمه بهبود یافته است اضافی دانش با توجه به مجموعه. وجود دارد، بنابراین، برخی از ترجمه ها از بهبود سیستم درست باشد اما از مراجعه، تفاوت تفاوت در حالی که سیستم پایه خروجی مرجع آن را به عنوان است. به عنوان مثال امارات ESTA (...) به جای از اجابت مزاج امارات estan (...) 2. ترجمه CA> ES از بهبود سیستم شامل کلمات بیش از CA> ES ترجمه از سیستم پایه. آن را باید در نظر گرفته شود که اقدامات BLEU دقت و به یاد ندارد. 6 نتیجه گیری هدف اولیه این مقاله برای بهبود بود سیستم ماشین های آماری بر اساس Ngram. هنگامی که مجموعه ای از اشتباهات رایج از طریق شناسایی شد ارزیابی انسان، مجموعه ای از تکنیک های بر اساس استفاده از طبقه بندی های دستوری، لغوی categorisa- روش و پردازش متن استفاده شده است. هنگامی که با استفاده از یک تک کاره ساخته شده است مجموعه آزمون، دوباره نتایج نشان می دهد که استفاده از دستوری اطلاعات روش و اصلاح متن به عنوان یک پیش و پس پردازش تکنیک های مفید به منظور می باشد رسیدن به این هدف، به عنوان آن در خودرو نشان داده شده است ارزیابی خودکار: BLEU از بهبود N-II بالاتر با توجه به سیستم پایه است. عملکرد بالاتر در نظر BLEU است منعکس در بهبود N-II در هنگام استفاده از نسل پیکره کلی استخراج شده از EL Periódico، اگر چه بهبود نسبی کمتر از قبلی است یک، از مجموعه کند به صراحت شامل نمی شود مشکلات ما در این مقاله در حال حاضر مقابله با شد. علاوه بر این، علل ممکن برای کمتر بهبود درمان مشاهده شده اند مورد تجزیه و تحلیل قرار گرفته است. پیوند به بیرون Carreras، خاویر، چائو، اسحاق، Padró، به Lluís، و Padró، Muntsa. 2004 FreeLing: سوئیت منبع باز از آنالایزر زبان. مجموعه مقالات کنفرانس در منابع زبان و ارزیابی، لیسبون. Crego، جوزپ M. و مارینو، خوزه B. 2007. بهبود SMT توسط جفت مرتب سازی مجدد و رمزگشایی. ماشین ترجمه، 20:3:199-215. مارینو، خوزه B.، Banchs، رافائل E.، Crego، جوزپ M.، د Gispert، به Adrià، لامبرت، پاتریک، Fonol- losa، J.A.R. و کوستا-jussà، مارتا R. 2006. N- گرم بر ترجمه ماشینی. محاسباتی زبان شناسی، 32:4:527-549. Niessen، S.، نی، H. 2000. بهبود کیفیت SMT با تجزیه و تحلیل مورفو-نحوی. مجموعه مقالات کنفرانس بین المللی محاسباتی Linguis- تیک، زاربروکن، آلمان. OCH، فرانتس ژوزف 2003. حداقل خطا در نرخ قطار، نشستند در ماشین آماری ترجمه. اقدامات از نشست 41 انجمن محاسبات ملی زبان شناسی، ساپورو، ژاپن. 160-167. Popovi 'ج، M.، نی، H. 2004. به سمت استفاده از ورد ساقه ها و پسوندها برای ماشین آماری ترجمه روش. مجموعه مقالات کنفرانس بین المللی منابع زبان و ارزیابی، لیسبون، پور، tugal. Popovi 'ج، M.، نی، H. 2006. POS مبتنی بر ورد ترتیب مجدد، موصوف افزود: برای ماشین آماری ترجمه. در ادامه، موصوف افزود: کنفرانس بین المللی زبان را دوباره منابع و ارزیابی، جنوا، ایتالیا. Popovi 'ج، M.، د Gispert، A.، گوپتا، D.، لامبرت، P.، نی، H.، مارینو، J.B. Y Banchs، R. 2006. مورفو- اطلاعات نحوی برای خودکار تجزیه و تحلیل خطا از آماری خروجی ترجمه و ماشین آلات. در ادامه، موصوف افزود: کارگاه آموزشی HLT / NAACL در آماری کارشناسی ارشد دره تنگ و باریک ترجمه، نیویورک.

کلید واژه ها:

ترجمه فارسی به کردی, ترجمه کردی به فارسی, ترجمه کردی, مترجم فارسی به کردی, مترجم کردی به فارسی, مترجم کردی, ترجمه فارسی به کردی, ترجمه کردی به فارسی, ترجمه کردی, مترجم فارسی به کردی, مترجم کردی به فارسی, مترجم کردی, ترجمه فارسی به آلمانی, ترجمه آلمانی به فارسی, ترجمه آلمانی, مترجم فارسی به آلمانی, مترجم آلمانی به فارسی, مترجم آلمانی, ترجمه فارسی به ایتالیایی, ترجمه ایتالیایی به فارسی, ترجمه ایتالیایی, مترجم فارسی به ایتالیایی, مترجم ایتالیایی به فارسی, مترجم ایتالیایی, ترجمه فارسی به روسی, ترجمه روسی به فارسی, ترجمه روسی, مترجم فارسی به روسی, مترجم روسی به فارسی, مترجم روسی, ترجمه فارسی به چینی, ترجمه چینی به فارسی, ترجمه چینی, مترجم فارسی به چینی, مترجم چینی به فارسی, مترجم چینی, ترجمه فارسی به ژاپنی, ترجمه ژاپنی به فارسی, ترجمه ژاپنی, مترجم فارسی به ژاپنی, مترجم ژاپنی به فارسی, مترجم ژاپنی, ترجمه فارسی به ترکی, ترجمه ترکی به فارسی, ترجمه ترکی, مترجم فارسی به ترکی, مترجم ترکی به فارسی, مترجم ترکی, ترجمه فارسی به انگلیسی, ترجمه انگلیسی به فارسی, ترجمه انگلیسی, مترجم فارسی به انگلیسی, مترجم انگلیسی به فارسی, مترجم انگلیسی, ترجمه فارسی به اسپانیولی, ترجمه اسپانیولی به فارسی, ترجمه اسپانیولی, مترجم فارسی به اسپانیولی, مترجم اسپانیولی به فارسی, مترجم اسپانیولی, ترجمه, مترجم, مترجمین , شبکه مترجمین, ترجمه آنلاین , سایت ترجمه , ترجمه فارسی به ضصثق, ترجمه ضصثق به فارسی, ترجمه ضصثق, مترجم فارسی به ضصثق, مترجم ضصثق به فارسی, مترجم ضصثق, ترجمه متن, ترجمه تخصصی, ترجمه شفاهی, مترجم همزمان, ترجمه حرفه ای, ترجمه یک, ترجمه1, ترجمه یک, شبکه ترجمه, ترجمه کتاب, ترجمه متون کردی, ترجمه به کردی, ترجمه به فارسی, ترجمه مقاله کردی

بهترین و سریعترین سیستم ترجمه ایران با پشتیبانی 24 ساعته

www.tarjomeh1.com

تمام حقوق این سایت برای موسسه فرهنگی هنری ورق محفوظ است