{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3329640"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3329640","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Quality Estimation in Neural Machine Translation","abstract":"Οι πρόσφατες εξελίξεις στον τομέα της τεχνολογίας είχαν ασφαλώς ως αποτέλεσμα συστήματα μηχανικής μετάφρασης υψηλής απόδοσης. Πάρα ταύτα όμως ακόμα δεν είναι εφικτό να εγγυηθεί κανείς ότι η ποιότητα του μεταφραστικού εξαγομένου βρίσκεται σε πλήρη αντιστοιχία με τις απαιτήσεις ή ακόμα και τις προσδοκίες που τίθενται στην εκάστοτε περίσταση. Οι μη αυτοματοποιημένες τεχνικές αξιολόγησης παραμένουν χρονοβόρες και δαπανηρές, ενώ οι αυτόματες μετρήσεις εξακολουθούν να μην παρέχουν συστηματικά αξιόπιστα αποτελέσματα. Επιπλέον, μεταφράσεις-αναφοράς, που έχουν παραχθεί από επαγγελματίες γλωσσολόγους, είναι συνήθως απαραίτητες για την αυτόματη αξιολόγηση της ποιότητας των μηχανικών μεταφράσεων. Στις περισσότερες περιπτώσεις όμως, τόσο σε ερευνητικά όσο και σε επιχειρηματικά πλαίσια, συνήθως δεν είναι εφικτή η πρόσβαση σε μεταφράσεις-αναφοράς λόγω περιορισμών χρόνου και κόστους. Η εκτίμηση ποιότητας της μηχανικής μετάφρασης είναι ένα ενεργό πεδίο έρευνας στην κοινότητα της Επεξεργασίας Φυσικής Γλώσσας, που αναφέρεται στην αυτόματη πρόβλεψη της ποιότητας του μεταφραστικού εξαγομένου χωρίς την χρήση μεταφράσεων-αναφοράς ή οποιασδήποτε άλλης ανθρώπινης βοήθειας. Για το σκοπό αυτό, κύριος στόχος της παρούσας διπλωματικής εργασίας είναι να εξετάσει το θέμα της εκτίμησης ποιότητας μηχανικών μεταφράσεων τόσο σε ένα θεωρητικό όσο και σε ένα εφαρμοσμένο πλαίσιο. Στο πρώτο τμήμα της εργασίας παρουσιάζεται μια εμπεριστατωμένη βιβλιογραφική ανασκόπηση, ενώ η πειραματική εφαρμογή του έργου περιγράφεται στα τελευταία κεφάλαια. Η έρευνα που αναφέρεται στην παρούσα διπλωματική αξιοποιεί τις πρόσφατες τάσεις στον χώρο της Τεχνητής Νοημοσύνης και εξετάζει τη χρήση μεθόδων βαθιάς μάθησης για την ανάπτυξη ενός συστήματος βασισμένου σε νευρωνικά δίκτυα, που μπορεί αυτόματα να προβλέπει αξιολογήσεις ποιότητας σε προτασιακό επίπεδο.","abstract_html":"Οι πρόσφατες εξελίξεις στον τομέα της τεχνολογίας είχαν ασφαλώς ως αποτέλεσμα συστήματα μηχανικής μετάφρασης υψηλής απόδοσης. Πάρα ταύτα όμως ακόμα δεν είναι εφικτό να εγγυηθεί κανείς ότι η ποιότητα του μεταφραστικού εξαγομένου βρίσκεται σε πλήρη αντιστοιχία με τις απαιτήσεις ή ακόμα και τις προσδοκίες που τίθενται στην εκάστοτε περίσταση. Οι μη αυτοματοποιημένες τεχνικές αξιολόγησης παραμένουν χρονοβόρες και δαπανηρές, ενώ οι αυτόματες μετρήσεις εξακολουθούν να μην παρέχουν συστηματικά αξιόπιστα αποτελέσματα. Επιπλέον, μεταφράσεις-αναφοράς, που έχουν παραχθεί από επαγγελματίες γλωσσολόγους, είναι συνήθως απαραίτητες για την αυτόματη αξιολόγηση της ποιότητας των μηχανικών μεταφράσεων. Στις περισσότερες περιπτώσεις όμως, τόσο σε ερευνητικά όσο και σε επιχειρηματικά πλαίσια, συνήθως δεν είναι εφικτή η πρόσβαση σε μεταφράσεις-αναφοράς λόγω περιορισμών χρόνου και κόστους. Η εκτίμηση ποιότητας της μηχανικής μετάφρασης είναι ένα ενεργό πεδίο έρευνας στην κοινότητα της Επεξεργασίας Φυσικής Γλώσσας, που αναφέρεται στην αυτόματη πρόβλεψη της ποιότητας του μεταφραστικού εξαγομένου χωρίς την χρήση μεταφράσεων-αναφοράς ή οποιασδήποτε άλλης ανθρώπινης βοήθειας. Για το σκοπό αυτό, κύριος στόχος της παρούσας διπλωματικής εργασίας είναι να εξετάσει το θέμα της εκτίμησης ποιότητας μηχανικών μεταφράσεων τόσο σε ένα θεωρητικό όσο και σε ένα εφαρμοσμένο πλαίσιο. Στο πρώτο τμήμα της εργασίας παρουσιάζεται μια εμπεριστατωμένη βιβλιογραφική ανασκόπηση, ενώ η πειραματική εφαρμογή του έργου περιγράφεται στα τελευταία κεφάλαια. Η έρευνα που αναφέρεται στην παρούσα διπλωματική αξιοποιεί τις πρόσφατες τάσεις στον χώρο της Τεχνητής Νοημοσύνης και εξετάζει τη χρήση μεθόδων βαθιάς μάθησης για την ανάπτυξη ενός συστήματος βασισμένου σε νευρωνικά δίκτυα, που μπορεί αυτόματα να προβλέπει αξιολογήσεις ποιότητας σε προτασιακό επίπεδο.","abstract_has_math":false,"creators":["Ζαφειρίδου Ειρήνη","Zafeiridou Eirini"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:22:16Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3329640"],"render_values":[{"text":"uoadl:3329640","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3329640","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3329640","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3329640","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ζαφειρίδου Ειρήνη","Zafeiridou Eirini"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3329640","https://pergamos.lib.uoa.gr/uoa/dl/object/3329640"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι πρόσφατες εξελίξεις στον τομέα της τεχνολογίας είχαν ασφαλώς ως αποτέλεσμα συστήματα μηχανικής μετάφρασης υψηλής απόδοσης. Πάρα ταύτα όμως ακόμα δεν είναι εφικτό να εγγυηθεί κανείς ότι η ποιότητα του μεταφραστικού εξαγομένου βρίσκεται σε πλήρη αντιστοιχία με τις απαιτήσεις ή ακόμα και τις προσδοκίες που τίθενται στην εκάστοτε περίσταση. Οι μη αυτοματοποιημένες τεχνικές αξιολόγησης παραμένουν χρονοβόρες και δαπανηρές, ενώ οι αυτόματες μετρήσεις εξακολουθούν να μην παρέχουν συστηματικά αξιόπιστα αποτελέσματα. Επιπλέον, μεταφράσεις-αναφοράς, που έχουν παραχθεί από επαγγελματίες γλωσσολόγους, είναι συνήθως απαραίτητες για την αυτόματη αξιολόγηση της ποιότητας των μηχανικών μεταφράσεων. Στις περισσότερες περιπτώσεις όμως, τόσο σε ερευνητικά όσο και σε επιχειρηματικά πλαίσια, συνήθως δεν είναι εφικτή η πρόσβαση σε μεταφράσεις-αναφοράς λόγω περιορισμών χρόνου και κόστους. Η εκτίμηση ποιότητας της μηχανικής μετάφρασης είναι ένα ενεργό πεδίο έρευνας στην κοινότητα της Επεξεργασίας Φυσικής Γλώσσας, που αναφέρεται στην αυτόματη πρόβλεψη της ποιότητας του μεταφραστικού εξαγομένου χωρίς την χρήση μεταφράσεων-αναφοράς ή οποιασδήποτε άλλης ανθρώπινης βοήθειας. Για το σκοπό αυτό, κύριος στόχος της παρούσας διπλωματικής εργασίας είναι να εξετάσει το θέμα της εκτίμησης ποιότητας μηχανικών μεταφράσεων τόσο σε ένα θεωρητικό όσο και σε ένα εφαρμοσμένο πλαίσιο. Στο πρώτο τμήμα της εργασίας παρουσιάζεται μια εμπεριστατωμένη βιβλιογραφική ανασκόπηση, ενώ η πειραματική εφαρμογή του έργου περιγράφεται στα τελευταία κεφάλαια. Η έρευνα που αναφέρεται στην παρούσα διπλωματική αξιοποιεί τις πρόσφατες τάσεις στον χώρο της Τεχνητής Νοημοσύνης και εξετάζει τη χρήση μεθόδων βαθιάς μάθησης για την ανάπτυξη ενός συστήματος βασισμένου σε νευρωνικά δίκτυα, που μπορεί αυτόματα να προβλέπει αξιολογήσεις ποιότητας σε προτασιακό επίπεδο.","Although recent technological advancements have resulted in high-performing machine translation systems, it is still not possible to guarantee that the machine-generated translations meet certain quality expectations. Human evaluations of MT quality remain time-consuming and expensive, while automatic metrics still struggle to provide reliable indicators of translation quality. Moreover, gold-standard references are typically necessary to automatically evaluate the quality of the MT output. However, in most research and production settings it is not always possible to access human-generated translations due to time and cost constraints. Machine translation quality estimation is an active field of research in the Natural Language Processing community concerned with the automatic quality prediction of the MT output without the need for reference translations or any other human input. To this end, the main objective of the present thesis is to examine the topic of MT quality estimation from both a theoretical and an applied perspective. A thorough literature review is presented in the first section of the thesis while the experimental setup of the project is described in the final chapters. The research reported in the current thesis leverages recent trends in Artificial Intelligence and examines the use of deep learning methods for the development of a neural-based system that can predict the translation quality at the sentence level."]},{"key":"dc:title","label":"Title","values":["Quality Estimation in Neural Machine Translation"]}]}],"canonical_facts":{"dc:creator":["Ζαφειρίδου Ειρήνη","Zafeiridou Eirini"],"dc:date":["2023"],"dc:description":["Οι πρόσφατες εξελίξεις στον τομέα της τεχνολογίας είχαν ασφαλώς ως αποτέλεσμα συστήματα μηχανικής μετάφρασης υψηλής απόδοσης. Πάρα ταύτα όμως ακόμα δεν είναι εφικτό να εγγυηθεί κανείς ότι η ποιότητα του μεταφραστικού εξαγομένου βρίσκεται σε πλήρη αντιστοιχία με τις απαιτήσεις ή ακόμα και τις προσδοκίες που τίθενται στην εκάστοτε περίσταση. Οι μη αυτοματοποιημένες τεχνικές αξιολόγησης παραμένουν χρονοβόρες και δαπανηρές, ενώ οι αυτόματες μετρήσεις εξακολουθούν να μην παρέχουν συστηματικά αξιόπιστα αποτελέσματα. Επιπλέον, μεταφράσεις-αναφοράς, που έχουν παραχθεί από επαγγελματίες γλωσσολόγους, είναι συνήθως απαραίτητες για την αυτόματη αξιολόγηση της ποιότητας των μηχανικών μεταφράσεων. Στις περισσότερες περιπτώσεις όμως, τόσο σε ερευνητικά όσο και σε επιχειρηματικά πλαίσια, συνήθως δεν είναι εφικτή η πρόσβαση σε μεταφράσεις-αναφοράς λόγω περιορισμών χρόνου και κόστους. Η εκτίμηση ποιότητας της μηχανικής μετάφρασης είναι ένα ενεργό πεδίο έρευνας στην κοινότητα της Επεξεργασίας Φυσικής Γλώσσας, που αναφέρεται στην αυτόματη πρόβλεψη της ποιότητας του μεταφραστικού εξαγομένου χωρίς την χρήση μεταφράσεων-αναφοράς ή οποιασδήποτε άλλης ανθρώπινης βοήθειας. Για το σκοπό αυτό, κύριος στόχος της παρούσας διπλωματικής εργασίας είναι να εξετάσει το θέμα της εκτίμησης ποιότητας μηχανικών μεταφράσεων τόσο σε ένα θεωρητικό όσο και σε ένα εφαρμοσμένο πλαίσιο. Στο πρώτο τμήμα της εργασίας παρουσιάζεται μια εμπεριστατωμένη βιβλιογραφική ανασκόπηση, ενώ η πειραματική εφαρμογή του έργου περιγράφεται στα τελευταία κεφάλαια. Η έρευνα που αναφέρεται στην παρούσα διπλωματική αξιοποιεί τις πρόσφατες τάσεις στον χώρο της Τεχνητής Νοημοσύνης και εξετάζει τη χρήση μεθόδων βαθιάς μάθησης για την ανάπτυξη ενός συστήματος βασισμένου σε νευρωνικά δίκτυα, που μπορεί αυτόματα να προβλέπει αξιολογήσεις ποιότητας σε προτασιακό επίπεδο.","Although recent technological advancements have resulted in high-performing machine translation systems, it is still not possible to guarantee that the machine-generated translations meet certain quality expectations. Human evaluations of MT quality remain time-consuming and expensive, while automatic metrics still struggle to provide reliable indicators of translation quality. Moreover, gold-standard references are typically necessary to automatically evaluate the quality of the MT output. However, in most research and production settings it is not always possible to access human-generated translations due to time and cost constraints. Machine translation quality estimation is an active field of research in the Natural Language Processing community concerned with the automatic quality prediction of the MT output without the need for reference translations or any other human input. To this end, the main objective of the present thesis is to examine the topic of MT quality estimation from both a theoretical and an applied perspective. A thorough literature review is presented in the first section of the thesis while the experimental setup of the project is described in the final chapters. The research reported in the current thesis leverages recent trends in Artificial Intelligence and examines the use of deep learning methods for the development of a neural-based system that can predict the translation quality at the sentence level."],"dc:identifier":["uoadl:3329640","https://pergamos.lib.uoa.gr/uoa/dl/object/3329640"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Quality Estimation in Neural Machine Translation"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:22:16Z"}