CorpusNowの特長
CorpusNowは、インターネット上の多言語Webサイトから、独自の手法で効率的に対訳データを作成するサービスです。Webサイトからテキスト情報をスクレイピング※し、原文とその訳文を対にした対訳データの形式に整形します。
※スクレイピング：特定のデータから余分な情報を除去し、必要な情報のみを抽出すること
機械学習用の教師データ
自社専用の機械翻訳エンジンの構築に
翻訳メモリ
翻訳業務の効率化・コスト削減に
01
対象URLを指定するだけ
データを取得したい原文と訳文のそれぞれのWebサイトのURLを指定するだけで、対訳データが作成されます。
02
作成データの品質を自動評価
作成した対訳データが正しいかどうかを自動で評価できるため、人が品質を評価する場合と比較して、大幅に低い費用で精度の高い対訳データを作成できます。
03
追加のデータ加工も可能
作成した対訳データを機械学習用に匿名化したり、あらたにメタデータを付与したりするなど、ご要望に応じた形に加工できます。
AI・アノテーションの活用により言語資産を構築
対訳データがあると、こんなことに役立ちます！
さまざまな言語資産を活用することで翻訳業務の工数削減へつながります。翻訳作業全体の生産性がどのように向上するのか、言語資産の「用語集」と「翻訳メモリ」を例に、分かりやすく解説しています。
*同業他社様および個人メールアドレスの方の資料請求はお断りすることがございます。あらかじめご了承の程よろしくお願い申し上げます。
データを収集する
Webサイトの検討
データを収集する対象となるWebサイト※が、スクレイピング/クローリング（サイトを巡回してデータを収集すること）を許可しているかを確認します。禁止されているWebページは除外します。
※収集対象のWebサイトが未定の場合、弊社で選定するオプションもございます。
テキストの
スクレイピング
各言語のWebサイトからテキストデータをスクレイピングします。対訳データを作成する2つの言語※のURLをそれぞれご指定ください。
※日本語と英語、あるいは英語と中国語など
対訳データの作成
収集したテキストデータから対応する原文と訳文を組み合わせ、対訳データに整形します。この際、独自の品質評価ロジックにより、一定の品質基準を上回る対訳データのみが保存されます。
