I denna uppsats granskar vi och vill förmedla kunskap om vilka fördelar och nackdelar som det finns med att använda elektroniska lexikon. Vi tittar även på vad man ska tänka på vid utvecklandet av elektroniska lexikon och vad det finns för demografiska, etiska och juridiska aspekter att ta hänsyn till. Vi tittar även på vilka problem som kan uppstå vid översättning av ord och vilka översättningsproblem som kan uppstå. I den här uppsatsen granskas ett fysiskt lexikon och fem elektroniska gratislexikon. Den här uppsatsen är menad som vägledning för dem som idag använder lexikon och de som funderar på att börja använda lexikon i sin dator eller mobiltelefon. Den kan även lämpa sig för de aktörer som finns på marknaden idag för att få se utveckling och användning av lexikon ur ett användarperspektiv. Den här studien utförs ur ett humanvetenskapligt perspektiv och är framställd utifrån användarens perspektiv. Det har genomförts en re-spondentintervju med en professor inom lexikologi och en informantintervju med en förläggare på ett bokförlag. Att ett lexikon är gratis kan ses som både en fördel och nackdel. En fördel är att det le-der till att lexikonet når ut till fler personer. Det kan även vara en nackdel eftersom det blir svårare för de fysiska lexikonen att konkurrera på lika villkor, och även för de aktö-rerna som har ett ekonomiskt intresse. Under intervjuerna framkom det också att en nackdel med att lexikonen är gratis är att kvalitén kan bli lidande eftersom de större ak-törerna som satsar mycket pengar på att utveckla lexikonen inte har möjlighet att satsa lika mycket pengar på utveckling om de inte kan finansiera utvecklingen. En fördel med elektroniska lexikon ur användarsynpunkt är att det är enkelt att växla mellan olika lexikon utefter behovet. En nackdel om man jämför med fysiska lexikon är att det kan vara svårt att få till ett användarvänligt gränssnitt. Detta beror på att skärmen är mindre. För mobiltelefon får man anpassa mycket på grund av skärmens storlek, men även på en skärm till en dator kan det vara svårt att få sidan lättöverskådlig, funktionell och tilltalande på samma gång. Ett av de viktigaste kunskapsbidragen i uppsatsen anser vi vara att man bör vara vaksam med kvalitén på översättningarna när det gäller elektroniska lexikon och därmed även kontrollera källan mer noggrant. Under testerna framkom det även att översättningarna mellan lexikonen i många fall är väldigt lika varandra och i andra fall är det väldigt stor skillnad. Man bör därför inte enbart förlita sig till ett lexikon, utan testa några stycken el-ler växla mellan några beroende på användningen.

<p>I denna uppsats granskar vi och vill förmedla kunskap om vilka fördelar och nackdelar som det finns med att använda elektroniska lexikon. Vi tittar även på vad man ska tänka på vid utvecklandet av elektroniska lexikon och vad det finns för demografiska, etiska och juridiska aspekter att ta hänsyn till. Vi tittar även på vilka problem som kan uppstå vid översättning av ord och vilka översättningsproblem som kan uppstå.</p><p>I den här uppsatsen granskas ett fysiskt lexikon och fem elektroniska gratislexikon. Den här uppsatsen är menad som vägledning för dem som idag använder lexikon och de som funderar på att börja använda lexikon i sin dator eller mobiltelefon. Den kan även lämpa sig för de aktörer som finns på marknaden idag för att få se utveckling och användning av lexikon ur ett användarperspektiv. Den här studien utförs ur ett humanvetenskapligt perspektiv och är framställd utifrån användarens perspektiv. Det har genomförts en re-spondentintervju med en professor inom lexikologi och en informantintervju med en förläggare på ett bokförlag.</p><p>Att ett lexikon är gratis kan ses som både en fördel och nackdel. En fördel är att det le-der till att lexikonet når ut till fler personer. Det kan även vara en nackdel eftersom det blir svårare för de fysiska lexikonen att konkurrera på lika villkor, och även för de aktö-rerna som har ett ekonomiskt intresse. Under intervjuerna framkom det också att en nackdel med att lexikonen är gratis är att kvalitén kan bli lidande eftersom de större ak-törerna som satsar mycket pengar på att utveckla lexikonen inte har möjlighet att satsa lika mycket pengar på utveckling om de inte kan finansiera utvecklingen.</p><p>En fördel med elektroniska lexikon ur användarsynpunkt är att det är enkelt att växla mellan olika lexikon utefter behovet. En nackdel om man jämför med fysiska lexikon är att det kan vara svårt att få till ett användarvänligt gränssnitt. Detta beror på att skärmen är mindre. För mobiltelefon får man anpassa mycket på grund av skärmens storlek, men även på en skärm till en dator kan det vara svårt att få sidan lättöverskådlig, funktionell och tilltalande på samma gång.</p><p>Ett av de viktigaste kunskapsbidragen i uppsatsen anser vi vara att man bör vara vaksam med kvalitén på översättningarna när det gäller elektroniska lexikon och därmed även kontrollera källan mer noggrant. Under testerna framkom det även att översättningarna mellan lexikonen i många fall är väldigt lika varandra och i andra fall är det väldigt stor skillnad. Man bör därför inte enbart förlita sig till ett lexikon, utan testa några stycken el-ler växla mellan några beroende på användningen.</p>

Syftet med denna uppsats är att undersöka hur väl Google Translate respektive Bing Translator fungerar vid översättning av sökfrågor med avseende på svenska sammansättningar, samt försöka utröna huruvida det finns något samband mellan utfallet och sammansättningarnas komplexitet. Testmiljön utgörs av Europaparlamentets offentliga dokumentregister. Undersökningen är emellertid begränsad till Europeiska rådets handlingar, som till antalet är 1 334 på svenska respektive 1 368 på engelska. Analysen av data har dels skett utifrån precision och återvinningsgrad, dels utifrån en kontrastiv analys för att kunna ge en mer enhetlig bild på det undersökta fenomenet. Resultatet visar att medelvärdet varierar mellan 0,287 och 0,506 för precision samt 0,400 och 0,614 för återvinningsgrad beroende på ordtyp och översättningstjänst. Vidare visar resultatet att det inte tycks finnas något tydligt samband mellan effektivitet och sammansättningarnas komplexitet. I stället tycks de lägre värdena bero på synonymi, och då gärna inom själva sammansättningen, samt hyponymi. I det senare fallet beror det dels på översättningstjänsternas oförmåga att återge lämpliga översättningar, dels på det engelska språkets tendens att bilda sammansättningar med lösa substantivattribut.

Google Translate helps people around the world to translate from one language to another, and translates about 100 billion words every day. The translation is used for all types of information, for essays, on websites, social media or for every day communication. Companies and organizations can reach people all over the world by offering machine translation on their websites. This means that companies and organizations can spread their messages and their products to a much larger group of people. However, in order for the information to be correct, there must be an availability regardless of language. It is therefore interesting to find out if the usefulness of Google Translate as machine translation can affect the availability of websites. The purpose of the study is to find out if Google Translate as machine translation can affect a website's usefulness in translating the information provided by the website. The purpose of the study is limited by merely examining in what ways the usability and availability of the information "About Us" on government and municipal websites is affected by Google Translate as machine translation. The method used in the study is usability tests where a think aloud observation was conducted with study participants who tested the websites using task scenarios. The result of our study showed that Google Translate is useful as machine translation on websites. In conclusion, however, we discussed whether the results could have been affected due to the delimitations we made, such as language selection, websites and method.

The aim of this qualitative study is to explore two high school level Swedish as a Second Language (SVA) and two Swedish for Immigrants (SFI) teachers’ approach to their adult students’ use of machine translation in the classroom. The study also aims to explore the teachers’ approach to whether they incorporate machine translation into their teachings. The study is conducted through qualitative interviews of a total of four teachers, and the results show that the SVA-teachers did not experience that their students use machine-translation, whilst the SFI-teachers did. This is due to the linguistic level that their students are at, respectively. Furthermore, the results show that the SVA-teachers did not implement the usage of machine translation into their teachings, apart from when the students are performing digital exams and have access to a website that provides definitions (Swedish-Swedish), but also translations of single words. The SFI-teachers, on the other hand, did implement the usage through exercises that require students to translate words into their first language. All teachers did question the intention of the usage and the commonly known shortcomings of such systems.

Denna rapport syftar primärt till att undersöka hur väl system för maskinöversättning kan prestera i relation till Scanias kravbild. Undersökningen riktar sig främst till att undersöka systemens förmåga till domänanpassning och vilken effekt det har på dess maskinöversättningar. Utvärdering görs dels med automatiska utvärderingsmetoder som på olika sätt mäter korrelation till existerande textinnehåll från diverse tjänster i samlingsplattformen MyScania, men även manuellt av översättare med erfarenhet inom Scanias språkbruk. Resultatet av denna undersökning visade att domänanpassning med egna data generellt ökar kvaliteten av maskinöversättningar. Det noteras även hur väl maskinöversättningarna presterar varierar mycket på faktorer som exempelvis språk. Google AutoML lyckas däremot prestera bäst i alla de testade språken. Detta visades vid både automatisk utvärdering och manuell utvärdering. Undersökningen visade även svagheter i automatisk utvärderingsmetrik vid fristående användning men samtidigt att det kan bidra med meningsfulla insikter när det kompletteras med mänsklig bedömning. Undersökningen bekräftar att mänsklig bedömning alltid bör användas om det är möjligt. / This report’s primary purpose is to examine how well systems for machine translation can perform in relation to what is sought after by Scania. This examination is primarily aimed at investigating the systems capability for domain customization and what effects these have on the results of machine translations. Evaluation is done partly using multiple automatic metrics that in different ways measure correlation to existing translations within MyScania, combined with manual evaluation done by translators experienced with Scania’s language usage.  The results of this examination showed that domain customization using own data generally increases the quality of machine translations. It is noted that how the machine translations perform is affected by many factors such as languages, Google AutoML however succeeds to perform the best in all the tested languages. This is proven both in evaluation using automatic metrics and manual evaluation. This investigation also showed weaknesses in automatic metrics in stand-alone use but that they can contribute with meaningful knowledge when complemented by manual evaluation. This investigation confirms that manual evaluation should always be used when possible.

Nya neurala modeller har lett till stora framsteg inom maskinöversättning, men fungerar fortfarande sämre på språk som saknar stora mängder parallella data, så kallade lågresursspråk. Gawarbati är ett litet, hotat lågresursspråk där endast 5000 parallella meningar finns tillgängligt. Denna uppsats använder överföringsinlärning och hyperparametrar optimerade för små datamängder för att undersöka möjligheter och begränsningar för neural maskinöversättning från gawarbati till engelska. Genom att använda överföringsinlärning där en föräldramodell först tränades på hindi-engelska förbättrades översättningar med 1.8 BLEU och 1.3 chrF. Hyperparametrar optimerade för små datamängder ökade BLEU med 0.6 men minskade chrF med 1. Att kombinera överföringsinlärning och hyperparametrar optimerade för små datamängder försämrade resultatet med 0.5 BLEU och 2.2 chrF. De neurala modellerna jämförs med och presterar bättre än ordbaserad statistisk maskinöversättning och GPT-3. Den bäst presterande modellen uppnådde endast 2.8 BLEU och 19 chrF, vilket belyser begränsningarna av maskinöversättning på lågresursspråk samt det kritiska behovet av mer data. / Recent neural models have led to huge improvements in machine translation, but performance is still suboptimal for languages without large parallel datasets, so called low resource languages. Gawarbati is a small, threatened low resource language with only 5000 parallel sentences. This thesis uses transfer learning and hyperparameters optimized for small datasets to explore possibilities and limitations for neural machine translation from Gawarbati to English. Transfer learning, where the parent model was trained on parallel data between Hindi and English, improved results by 1.8 BLEU and 1.3 chrF. Hyperparameters optimized for small datasets increased BLEU by 0.6 but decreased chrF by 1. Combining transfer learning and hyperparameters optimized for small datasets led to a decrease in performance by 0.5 BLEU and 2.2 chrF. The neural models outperform a word based statistical machine translation and GPT-3. The highest performing model only achieved 2.8 BLEU and 19 chrF, which illustrates the limitations of machine translation for low resource languages and the critical need for more data. / VR 2020-01500

<p>This paper describes the process of building a machine translation lexicon for use in the train and transport domain with the machine translation system MATS. The lexicon will consist of a Swedish part, an English part and links between them and is derived from a Trados</p><p>translation memory which is split into a training(90%) part and a testing(10%) part. The task is carried out mainly by using existing word linking software and recycling previous machine translation lexicons from other domains. In order to do this, a method is developed where focus lies on automation by means of both existing and self developed software, in combination with manual interaction. The domain specific lexicon is then extended with a domain neutral core lexicon and a less domain neutral general lexicon. The different lexicons are automatically and manually evaluated through machine translation on the test corpus. The automatic evaluation of the largest lexicon yielded a NEVA score of 0.255 and a BLEU score of 0.190. The manual evaluation saw 34% of the segments correctly translated, 37%, although not correct, perfectly understandable and 29% difficult to understand.</p>

This paper describes the process of building a machine translation lexicon for use in the train and transport domain with the machine translation system MATS. The lexicon will consist of a Swedish part, an English part and links between them and is derived from a Trados translation memory which is split into a training(90%) part and a testing(10%) part. The task is carried out mainly by using existing word linking software and recycling previous machine translation lexicons from other domains. In order to do this, a method is developed where focus lies on automation by means of both existing and self developed software, in combination with manual interaction. The domain specific lexicon is then extended with a domain neutral core lexicon and a less domain neutral general lexicon. The different lexicons are automatically and manually evaluated through machine translation on the test corpus. The automatic evaluation of the largest lexicon yielded a NEVA score of 0.255 and a BLEU score of 0.190. The manual evaluation saw 34% of the segments correctly translated, 37%, although not correct, perfectly understandable and 29% difficult to understand.

Sentiment analysis of Swedish data is often performed using English tools and machine. This thesis compares using a neural network trained on Swedish data with a corresponding one trained on English data. Two datasets were used: approximately 200,000 non-neutral Swedish reviews from the company Prisjakt Sverige AB, one of the largest annotated datasets used for Swedish sentiment analysis, and 1,000,000 non-neutral English reviews from Amazon.com. Both networks were evaluated on 11,638 randomly selected reviews, in Swedish and in English machine translation. The test set had the same overrepresentation of positive reviews as the Swedish dataset (84% were positive). The results suggest that English tools can be used with machine translation for sentiment analysis of Swedish reviews, without loss of classification ability. However, the English tool required 33% more training data to achieve maximum performance. Evaluation on the unbalanced test set required extra consideration regarding statistical measures. F1-measure turned out to be reliable only when calculated for the underrepresented class. It then showed a strong correlation with the Matthews correlation coefficient, which has been found to be more reliable. This warrants further investigation into whether the correlation is valid for all different balances, which would simplify comparison between studies. / Attitydanalys av svensk data sker i många fall genom maskinöversättning till engelska för att använda tillgängliga analysverktyg. I den här uppsatsen undersöktes skillnaden mellan användning av ett neuronnät tränat på svensk data och av motsvarande neuronnät tränat på engelsk data. Två datamängder användes: cirka 200 000 icke-neutrala svenska produktomdömen från Prisjakt Sverige AB, en av de största annoterade datamängder som använts för svensk attitydanalys, och 1 000 000 icke-neutrala engelskaproduktomdömen från Amazon.com. Båda versionerna av neuronnätet utvärderades på 11 638 slumpmässigt utvalda svenska produktomdömen, i original och maskinöversatta till engelska. Testmängden hade samma överrepresentation av positiva omdömen som den svenska datamängden (84% positiva omdömen). Resultaten tyder på att engelska verktyg med hjälp av maskinöversättning kan användas för attitydanalys av svenska produktomdömen med bibehållen klassificeringsförmåga, dock krävdes cirka 33% större träningsdata för att det engelska verktyget skulle uppnå maximal klassificeringsförmåga. Utvärdering på den obalanserade datamängden visade sig ställa särskilda krav på de statistiska mått som användes. F1-värde fungerade tillfredsställande endast när det beräknades för den underrepresenterade klassen. Det korrelerade då starkt med Matthews korrelationskoefficient, som tidigare funnits vara ett pålitligare mått. Om korrelationen gäller vid alla olika balanser skulle jämförelser mellan olika studiers resultat underlättas, något som bör undersökas.