Search

We introduce a novel visual analytics approach for analyzing, understanding, and correcting neural machine translation. Our system supports users in automatically translating documents using neural machine translation and identifying and correcting possible erroneous translations. User corrections can then be used to fine-tune the neural machine translation model and automatically improve the whole document. While translation results of neural machine translation can be impressive, there are still many challenges such as overand under-translation, domain-specific terminology, and handling long sentences, making it necessary for users to verify translation results; our system aims at supporting users in this task. Our visual analytics approach combines several visualization techniques in an interactive system. A parallel coordinates plot with multiple metrics related to translation quality can be used to find, filter, and select translations that might contain errors. An interactive beam search visualization and graph visualization for attention weights can be used for post-editing and understanding machine-generated translations. The machine translation model is updated from user corrections to improve the translation quality of the whole document. We designed our approach for an LSTM-based translation model and extended it to also include the Transformer architecture. We show for representative examples possible mistranslations and how to use our system to deal with them. A user study revealed that many participants favor such a system over manual text-based translation, especially for translating large documents.

Softwaresysteme werden häufig über mehrere Jahre von vielen Entwicklern bearbeitet. In dieser Zeit können sich sowohl die Beteiligung der Entwickler als auch die Arbeitsbereiche, in denen entwickelt wird, stark verändern. In dieser Arbeit wird das Konzept der AOI Rivers für die Visualisierung von Softwareentwicklungsprozessen angepasst, indem es zu WOI Rivers erweitert wird. Mit WOI Rivers ist es möglich, die dynamischen Verhaltensweisen von Entwicklergruppen zu beobachten. Es kann sichtbar gemacht werden, wie sich die Anzahl von Entwicklern oder die Häufigkeit ihrer Beteiligung an Dateiveränderungen in verschiedenen Arbeitsbereichen über die Zeit verändert. Zusätzlich kann über Transitionen gezeigt werden, wie zwischen verschiedenen Arbeitsbereichen gewechselt wird und wann bzw. wo neue Entwickler hinzukommen oder das Projekt wieder verlassen. Da sich Entwickler zur gleichen Zeit an vielen verschiedenen Dateien bzw. verschiedenen Arbeitsbereichen in unterschiedlichen Stärken beteiligen können, ist die Höhe, die jedem Entwickler in einem Intervall zugewiesen wird, variabel und muss auf mehrere Transitionen aufgeteilt werden. Hierfür werden verschiedene Möglichkeiten untersucht und es wird eine Methode entwickelt, Transitionen zwischen gleichen Arbeitsbereichen nicht unnötig aufzuteilen, um die Anzahl an Überkreuzungen, und dadurch Visual Clutter, zu reduzieren. Die Visualisierungstechnik wurde als interaktives Visualisierungswerkzeug implementiert. In diesem können Arbeitsbereiche, sogenannte Workspaces of Interest (WOIs), in einer Hierarchiedarstellung, Entwicklergruppen aus einer Liste aller Entwickler und der darzustellende Zeitbereich für die WOI River-Visualisierung festgelegt werden. Anhand dreier Open-Source-Softwareprojekte werden Fallstudien durchgeführt, um Einsichten in die Entwicklungsprozesse dieser Projekte zu erhalten.