Parallel tekst - Parallel text

Image
Den Rosetta Stone , en stele indgraveret med samme dekret i begge de gamle egyptiske scripts samt oldgræsk . Dens opdagelse var nøglen til at tyde det gamle egyptiske sprog.

En parallel tekst er en tekst placeret ved siden af ​​dens oversættelse eller oversættelser. Parallel tekstjustering er identifikationen af ​​de tilsvarende sætninger i begge halvdele af den parallelle tekst. Den Loeb Classical Library og Clay Sanskrit Library er to eksempler på tosprogede serie af tekster. Henvisning bibler kan indeholde de oprindelige sprog og en oversættelse, eller flere oversættelser af sig selv, for at lette sammenligning og undersøgelse; Origenes 's Hexapla (græsk for 'seksdobbelte') placeret seks versioner af Det Gamle Testamente ved siden af hinanden. Et berømt eksempel er Rosetta Stone , hvis opdagelse gjorde det muligt for det antikke egyptiske sprog at blive dechifreret .

Store samlinger af parallelle tekster kaldes parallel corpora (se tekst corpus ). Justeringer af parallelle korpusser på sætningsniveau er en forudsætning for mange områder inden for sproglig forskning. Under oversættelsen kan sætninger opdeles, flettes, slettes, indsættes eller omarrangeres af oversætteren. Dette gør tilpasning til en ikke-triviel opgave.

Typer af parallelle korpusser

Parallelle korpus kan klassificeres i fire hovedkategorier:

  • Et parallelt korpus indeholder oversættelser af det samme dokument på to eller flere sprog, justeret i det mindste på sætningsniveau. Disse har tendens til at være sjældnere end mindre sammenlignelige korpusser.
  • Et støjende parallelt korpus indeholder tosprogede sætninger, der ikke er perfekt justeret eller har oversættelser af dårlig kvalitet. Ikke desto mindre er det meste af dets indhold tosprogede oversættelser af et bestemt dokument.
  • Et sammenligneligt korpus er bygget fra ikke-sætningsjusterede og utranslaterede tosprogede dokumenter, men dokumenterne er emnetjusterede.
  • Et kvasi-sammenligneligt korpus inkluderer meget heterogene og ikke-parallelle tosprogede dokumenter, der måske eller måske ikke er emnelinjeret.

Støj i korpus

Store korpusser, der bruges som træningssæt til maskinoversættelsesalgoritmer, udvindes normalt fra store organer af lignende kilder, såsom databaser med nyhedsartikler skrevet på første og andet sprog, der beskriver lignende begivenheder.

Ekstraherede fragmenter kan dog være støjende med ekstra elementer indsat i hvert korpus. Ekstraktionsteknikker kan skelne mellem tosprogede elementer, der er repræsenteret i både korporaer, og ensprogede elementer, der kun er repræsenteret i et korpus for at udtrække renere parallelle fragmenter af tosprogede elementer. Sammenlignelige korpus bruges til direkte at få viden til oversættelsesformål. Parallelle data af høj kvalitet er imidlertid vanskelige at få, især for sprog, der ikke har ressourcer.

Bitext

Hovedartikel: Bitext-ordjustering

Inden for oversættelsesstudier er en bittekst et sammensmeltet dokument, der består af både kilde- og målsprogversioner af en given tekst.

Bitexts genereres af et stykke software kaldet et justeringsværktøj eller et bitxt-værktøj , der automatisk justerer de originale og oversatte versioner af den samme tekst. Værktøjet matcher generelt disse to tekster sætning for sætning. En samling af bitexts kaldes en bitext-database eller et tosproget corpus og kan konsulteres med et søgeværktøj.

Bitexts og oversættelseshukommelser

Hovedartikel: Oversættelseshukommelse

Bitexts har nogle ligheder med oversættelseshukommelser. Den mest fremtrædende forskel er, at en oversættelseshukommelse mister den oprindelige kontekst, mens en bittekst bevarer den oprindelige sætningsrækkefølge. Når det er sagt, tillader nogle implementeringer af oversættelseshukommelse, såsom Translation Memory eXchange (TMX), et standard XML- format til udveksling af oversættelseshukommelser mellem computerassisterede oversættelsesprogrammer (CAT) programmer, at opretholde den oprindelige rækkefølge for sætninger.

Bitexts er designet til at blive konsulteret af en menneskelig oversætter , ikke af en maskine. Som sådan er små justeringsfejl eller mindre uoverensstemmelser, der får en oversættelseshukommelse til at mislykkes, ingen betydning.

I sin oprindelige artikel fra 1988 hævdede Harris også, at bitext repræsenterer, hvordan oversættere holder deres kilde og måltekster sammen i deres mentale arbejdsminder, når de skrider frem. Imidlertid er denne hypotese ikke blevet fulgt op.

Online bitexts og oversættelseshukommelser kan også kaldes online tosprogede konkordanser. Flere er tilgængelige på det offentlige web, herunder Linguée , Reverso og Tradooit.

Se også

Referencer

eksterne links

Parallel korpus

Dokumentation

Justeringsværktøjer

  1. ^ Ralf Steinberger Ralf; Bruno Pouliquen; Anna Widiger; Camelia Ignat; Tomaž Erjavec; Dan Tufiş; Dániel Varga (2006). JRC-Acquis: Et flersproget parallelt parallelt korpus med mere end 20 sprog . Proceedings of the 5th International Conference on Language Resources and Evaluation (LREC'2006). Genova, Italien, 24. - 26. maj 2006 .