[论文解读] Content Translation: Computer-assisted translation tool for Wikipedia articles

Niklas Laxström, Pau Giner+1 more|arXiv (Cornell University)|Jun 5, 2015

Wikis in Education and Collaboration参考文献 3被引用 7

一句话总结

本文介绍了内容翻译（CX），这是一种直接集成于维基百科的计算机辅助翻译工具，利用机器翻译（MT）和所见即所得（WYSIWYG）编辑功能，简化文章翻译流程。通过支持源文与目标文并排编辑，利用维基数据自动适配链接和分类，并追踪机器翻译使用情况以确保质量，CX将文章删除率降低至1%以下，使经验丰富的用户在翻译任务中节省高达70%的时间。

ABSTRACT

The quality and quantity of articles in each Wikipedia language varies greatly. Translating from another Wikipedia is a natural way to add more content, but the translation process is not properly supported in the software used by Wikipedia. Past computer-assisted translation tools built for Wikipedia are not commonly used. We created a tool that adapts to the specific needs of an open community and to the kind of content in Wikipedia. Qualitative and quantitative data indicates that the new tool helps users translate articles easier and faster.

研究动机与目标

• 解决跨语言版本维基百科文章翻译缺乏有效且广泛采用的工具的问题。
• 设计一款契合维基百科开放、社区驱动特性的翻译工具，以应对其中内容多样且非同步的挑战。
• 通过利用维基数据自动化处理链接和分类等技术性任务，减轻翻译负担。
• 通过追踪并预警未经编辑的机器翻译内容，缓解社区对低质量机器翻译内容泛滥的担忧。
• 评估该工具在真实部署环境下的可用性、效率及其对文章质量的影响。

提出的方法

• 该工具基于Parsoid的带注释HTML构建所见即所得编辑器，以保留标记并实现源文与目标文之间的动态段落对齐。
• 集成多个机器翻译提供商，包括开源的Apertium，并将机器翻译输出作为用户编辑的起点。
• 利用维基数据的多语言映射自动适配链接和分类，确保目标文章被正确引用。
• 系统追踪未编辑机器翻译内容的比例，并在阈值超过时发出警告，以促进内容质量。
• 通过情境访谈和可用性测试开展用户研究，指导设计，并根据反馈迭代优化原型。
• 评估依赖于用户反馈、公开分析数据以及文章删除率，以衡量采纳率与内容质量。

实验结果

研究问题

• RQ1 如何设计一款计算机辅助翻译工具，以满足维基百科多语言、社区驱动内容创作的独特需求？
• RQ2 集成机器翻译与自动链接适配在多大程度上提升了翻译速度与质量？
• RQ3 该工具对文章质量的影响如何，以删除率和用户反馈为衡量标准？
• RQ4 为何某些语言对的使用率显著高于其他语言对，尽管机器翻译可用性与用户基数相似？
• RQ5 在时间效率与任务负担方面，CX中的用户行为与传统翻译工作流程相比有何差异？

主要发现

• 在为期三个月的期间内，通过CX创建的文章删除率低于1%，低于维基百科整体新文章的删除率。
• 一位经验丰富的加泰罗尼亚语维基百科编辑报告称，使用CX后翻译时间减少了70%，表明效率有显著提升。
• 英语是最常使用的源语言，与以往关于多语言编辑者行为的研究结果一致。
• 尽管通过Apertium可获得机器翻译支持，但不同语言对之间的翻译活动差异显著，例如加泰罗尼亚语从西班牙语翻译了455篇文章，而葡萄牙语仅翻译了25篇。
• 用户反馈积极，该工具与维基百科编辑界面的集成使其采纳率高于以往的独立工具。
• 系统中的机器翻译追踪与预警机制有效缓解了社区对低质量内容泛滥的担忧。