Системы машинного перевода
Перевод– вид человеческой языковой деятельности, в результате которой текст на одном языке ставится в соответствие тексту на другом языке при обеспечении их смысловыми эквивалентами.
Типы перевода по степени автоматизации:
Традиционный (ручной, выполненный человеком)
Автоматизированный
Перевод, выполняемый ПК с помощью человека (ПК обращается за справками к человеку);
Перевод, выполняемый человеком с помощью ПК:
В памяти ПК двуязычный словарь и текстовый редактор;
Системы ТМ ( TranslationMemory) – в их основе лежит принцип сбора и хранения фрагментов переведённых человеком текстов на 2 языках, они хранятся в специальном накопителе перевода и служат бесценным подспорьем при последующем выполнении переводов той же тематики.
Машинный (автоматический) – выполняемое ПК действие по преобразованию текста на одном языке в текст на другом языке при сохранении эквивалентности).
Первые теоретические разработки по машинному переводу относятся к 30-40-м, но практическое применение идея машинного перевода нашла в 50-е. Первый машинный перевод был выполнен в Джорджстаунском университете в 1954. В Москве первый машинный перевод был выполнен в 1955. Так как большинство слов имеют несколько значений, то основная трудность заключается именно в выборе нужного варианта, для чего человек использует контекст, жизненный опыт, который фактически невозможно формализовать и загрузить в ПК, =>идеального машинного перевода быть не может и человек постоянно участвует в редактировании текста.
Типы систем МП:
На правилах языка (модель перевода человеком)
Структуры систем МП, основанных на первой системе:
В процессе морфемного анализа слов предложения исходного языка каждое слово получает наборы лексико-грамматических признаков ( часть речи, род и т.д.), ПК формирует эти наборы с опорой на специализированные двуязычные словари;
Синтаксический анализ предложения исходного языка сводится к поиску основных членов предложения;
Синтаксический синтез заключается:
В создании предложения переводного языка определённой синтаксической структуры, определяемой правилами языков;
Замена слов исходного языка на их переводные эквиваленты из словарей.
Морфологический синтез каждого слова предполагаемого родного языка сводится к постановкам каждого слова в нужную форму, для чего ПК использует лексико-грамматические признаки слов переводного языка.
Успех СМП зависит от автоматических словарей. Для всех слов закодированного вида указываются грамматические признаки и лексико-семантическая информация.
Используются два типа представления лексических единиц в автоматическом словаре:
В виде словоформ (словарь включает всевозможные лексические единицы и подаётся гнёздами);
В виде квазиосновы( числа, стоящие после, условно обозначают наборы суффиксов и окончаний, присоединяемых к основе для получения соответствующей формы, эти числа называются типами формообразования, а сами суффиксы и окончания – машинными окончаниями.
Выбор типа лексической единицы зависит от:
Типа языка (для флективных рациональнее использовать квазиоснову, для языков аналитического типа - словоформу);
От объёма словаря и вычислительных ресурсов ПК;
От типа системы СМП (для информативного перевода применяют квазиосноу, для профессионального – словоформу).
Системы первой технологии опираются на готовые словари, для их разработки нужно много времени, а также для настройки системы для каждой тематики перевода:
Подключение специализированных словарей;
Добавление незнакомых слов в пользовательский словарь;
Резервирование собственных имён;
Подключение баз ТМ;
Выбор подходящего вариативного перевода для многозначных слов и редактирование перевода.
Использование программ этой технологии даёт выигрыш только при переводе огромных массивов однородной документации с большим количеством повторений.
Преимущества систем первой технологии:
Синтаксическая и морфологическая точность;
Стабильность и предсказуемость результатов;
Возможность настройки на предметную область.
Недостатки:
Трудоёмкость и длительность разработки;
Необходимость пополнения словарей;
«Машинный» акцент.
Системы второй технологии (основаны на поиске наиболее вероятного перевода с использованием данных из параллельных корпусов);
Преимущества:
Легко построить при наличии двуязычного корпуса;
Перенос технологии на любые пары языков
Лексическая гладкость.
Недостатки:
Ограниченность параллельных корпусов и их качество;
Плохаясправляемость с морфологией и синтаксисом;
Искажение информации.
Обе технологии обладают своими преимуществами и недостатками и не решили задачу по достижению качественного МП. Система Promtразработала «Гибридную технологию перевода». Такой перевод сохраняет преимущества традиционной технологии (формирование синтаксически связанного и грамматически правильного текста) и преимущества статистического метода (быстрое обучение, получение данных из параллельных корпусов в автоматическом режиме и гладкость текстов).