Oversettelsesminne

Et oversettelsesminne ( TM ) er en database som lagrer "segmenter", som kan være setninger, avsnitt eller setningslignende enheter (overskrifter, titler eller elementer i en liste) som tidligere er oversatt, for å hjelpe menneskelige oversettere . Oversettelsesminnet lagrer kildeteksten og den tilsvarende oversettelsen i språkpar kalt “oversettelsesenheter”. Individuelle ord håndteres av terminologigrunnlag og er ikke innenfor domenet til TM.

Programvareprogrammer som bruker oversettelsesminner er noen ganger kjent som oversettelsesminnebehandlere ( TMM ) eller oversettelsesminnesystemer ( TM-systemer , for ikke å forveksle med et oversettelsesstyringssystem ( TMS ), som er en annen type programvare som fokuserer på styring av oversettelsesprosessen) .

Oversettelsesminner brukes vanligvis i forbindelse med et dedikert datamaskinstøttet oversettelsesverktøy (CAT), tekstbehandlingsprogram , terminologistyringssystemer , flerspråklig ordbok eller til og med rå maskinoversettelsesutdata .

Forskning indikerer at mange selskaper som produserer flerspråklig dokumentasjon , bruker oversettelsesminnesystemer. I en undersøkelse blant fagpersoner i språk i 2006 bekreftet 82,5% av 874 svar bruken av en TM. Bruk av TM korrelert med teksttype preget av tekniske termer og enkel setningsstruktur (teknisk, i mindre grad markedsføring og økonomisk), datakunnskaper og gjentakelse av innhold.

Bruke oversettelsesminner

Programmet bryter kildetekst (tekst som skal oversettes) i segmenter, utseende for fyrstikker mellom segmenter og den kilde halvdel av tidligere oversatte kilde-målparene som er lagret i en oversettelse minne , og presenterer slike matchende par som oversettings kandidater . Oversetteren kan godta en kandidat, erstatte den med en ny oversettelse eller endre den for å matche kilden. I de to siste tilfellene går den nye eller endrede oversettelsen inn i databasen.

Noen oversettelseshukommelsessystemer søker bare etter 100% treff, det vil si at de bare kan hente tekstsegmenter som samsvarer med oppføringene i databasen nøyaktig, mens andre bruker uklare matchende algoritmer for å hente lignende segmenter, som blir presentert for oversetteren med forskjeller flagget. Det er viktig å merke seg at typiske oversettelsesminnesystemer bare søker etter tekst i kildesegmentet.

Fleksibiliteten og robustheten til den matchende algoritmen bestemmer i stor grad ytelsen til oversettelsesminnet, men for noen applikasjoner kan tilbakekallingsfrekvensen for eksakte treff være høy nok til å rettferdiggjøre tilnærmingen til 100% -match.

Segmenter der det ikke finnes samsvar, må oversettes av oversetteren manuelt. Disse nylig oversatte segmentene er lagret i databasen der de kan brukes til fremtidige oversettelser, samt repetisjoner av dette segmentet i gjeldende tekst.

Oversettelsesminner fungerer best på tekster som er veldig repeterende, for eksempel tekniske håndbøker. De er også nyttige for å oversette trinnvise endringer i et tidligere oversatt dokument, tilsvarende for eksempel mindre endringer i en ny versjon av en brukerhåndbok. Tradisjonelt har oversettelsesminner ikke blitt ansett som passende for litterære eller kreative tekster, av den enkle grunn at det er så lite repetisjon i språket som brukes. Andre finner dem imidlertid av verdi selv for ikke-repeterende tekster, fordi databaseressursene som er opprettet har verdi for samsvarssøk for å bestemme riktig bruk av termer, for kvalitetssikring (ingen tomme segmenter), og forenkling av gjennomgangsprosessen (kilde og målsegmentet vises alltid sammen mens oversetterne må jobbe med to dokumenter i et tradisjonelt vurderingsmiljø).

Hovedfordelene

Oversettelsesminneledere er best egnet for å oversette teknisk dokumentasjon og dokumenter som inneholder spesialiserte ordforråd. Fordelene deres inkluderer:

Sikre at dokumentet er fullstendig oversatt (oversettelsesminner godtar ikke tomme målsegmenter)
Sikre at de oversatte dokumentene er konsistente, inkludert vanlige definisjoner, formuleringer og terminologi. Dette er viktig når forskjellige oversettere jobber med et enkelt prosjekt.
Gjør det mulig for oversettere å oversette dokumenter i mange forskjellige formater uten å måtte eie programvaren som vanligvis kreves for å behandle disse formatene.
Akselerere den samlede oversettelsesprosessen; siden oversettelsesminner "husker" tidligere oversatt materiale, må oversetterne bare oversette det en gang.
Redusere kostnadene for langsiktige oversettelsesprosjekter; for eksempel trenger man ikke å oversette teksten i manualer, advarsler eller dokumentserier en gang og kan brukes flere ganger.
For store dokumentasjonsprosjekter kan besparelser (i tid eller penger) takket være bruken av en TM-pakke allerede være tydelig, selv for den første oversettelsen av et nytt prosjekt, men normalt er slike besparelser bare synlige når man oversetter påfølgende versjoner av et prosjekt som var oversatt før du bruker oversettelsesminne.

Viktigste hindringer

De viktigste problemene som hindrer bredere bruk av oversettelsesminneledere inkluderer:

Konseptet med "oversettelsesminner" er basert på at setninger som er brukt i tidligere oversettelser kan "resirkuleres". Men et styrende prinsipp for oversettelse er at oversetteren må oversette budskapet i teksten, og ikke dens komponent setninger .
Oversettelsesminneledere passer ikke lett inn i eksisterende oversettelses- eller lokaliseringsprosesser. For å dra nytte av TM-teknologi, må oversettelsesprosessene redesignes.
Oversettelsesminnebehandlere støtter for øyeblikket ikke alle dokumentasjonsformater, og filtre kan ikke eksistere for å støtte alle filtyper.
Det er en læringskurve assosiert med bruk av oversettelsesminneledere, og programmene må tilpasses for størst effektivitet.
I tilfeller der hele eller deler av oversettelsesprosessen er outsourcet eller håndtert av frilansoversettere som arbeider utenfor stedet, krever arbeidstakerne utenfor stedet spesielle verktøy for å kunne jobbe med tekstene som genereres av oversetterhåndteringslederen.
Fullversjoner av mange oversettelsesminneledere kan koste fra US $ 500 til US $ 2500 per sete, noe som kan representere en betydelig investering (selv om det også er billigere programmer). Imidlertid produserer noen utviklere gratis eller rimelige versjoner av verktøyene sine med reduserte funksjonssett som individuelle oversettere kan bruke til å jobbe med prosjekter satt opp med fullversjoner av disse verktøyene. (Merk at det er gratis- og shareware-TM-pakker tilgjengelig, men ingen av disse har ennå fått en stor markedsandel.)
Kostnadene ved å importere brukerens tidligere oversettelser til oversettelsesminnedatabasen, opplæring, samt tilleggsprodukter kan også representere en betydelig investering.
Vedlikehold av databaser for oversettelsesminner har fortsatt en manuell prosess i de fleste tilfeller, og unnlatelse av å vedlikeholde dem kan føre til betydelig redusert brukervennlighet og kvalitet på TM-treff.
Som nevnt tidligere, er oversettelsesminnebehandlere kanskje ikke egnet for tekst som mangler intern repetisjon eller som ikke inneholder uendrede deler mellom revisjonene. Teknisk tekst er vanligvis best egnet for oversettelsesminne, mens markedsføring eller kreative tekster vil være mindre passende.

Effekter på kvalitet

Bruk av TM-systemer kan ha en innvirkning på kvaliteten på de oversatte tekstene. Dens hovedeffekt er tydelig knyttet til den såkalte "feilutbredelsen": hvis oversettelsen for et bestemt segment er feil, er det faktisk mer sannsynlig at feil oversettelse blir gjenbrukt neste gang den samme kildeteksten , eller en lignende kildetekst , oversettes og derved videreføre feilen. Tradisjonelt har to hovedeffekter på kvaliteten på oversatte tekster blitt beskrevet: "setningssalat" -effekten (Bédard 2000; sitert i O'Hagan 2009: 50) og "peep-hole" -effekten (Heyn 1998). Den første refererer til manglende sammenheng på tekstnivå når en tekst oversettes ved hjelp av setninger fra en TM som er oversatt av forskjellige oversettere med forskjellige stiler. I følge sistnevnte kan oversettere tilpasse stilen til bruk av TM-systemet for at disse ikke skal inneholde intratekstuelle referanser, slik at segmentene kan brukes bedre i fremtidige tekster, og dermed påvirke sammenheng og lesbarhet (O'Hagan 2009).

Det er et potensial, og, hvis det er til stede, sannsynligvis en ubevisst effekt på den oversatte teksten. Ulike språk bruker forskjellige sekvenser for de logiske elementene i en setning, og en oversetter presentert med en setning med flere ledd som er halvt oversatt, er mindre sannsynlig å fullstendig gjenoppbygge en setning. Konsistente empiriske bevis (Martín-Mor 2011) viser at oversettere mest sannsynlig vil endre strukturen til en setning med flere ledd når de arbeider med en tekstbehandler i stedet for med et TM-system.

Det er også et potensial for oversetteren å håndtere teksten mekanisk setning for setning, i stedet for å fokusere på hvordan hver setning forholder seg til de rundt den og til teksten som helhet. Forskere (Dragsted 2004) har identifisert denne effekten, som er relatert til den automatiske segmenteringsfunksjonen til disse programmene, men den har ikke nødvendigvis en negativ effekt på kvaliteten på oversettelsene.

Merk at disse effektene er nært knyttet til trening i stedet for iboende til verktøyet. Ifølge Martín-Mor (2011) har bruk av TM-systemer en innvirkning på kvaliteten på de oversatte tekstene, spesielt på nybegynnere, men erfarne oversettere er i stand til å unngå det. Pym (2013) minner om at "oversettere som bruker TM / MT pleier å revidere hvert segment mens de går, og gir lite tid til en endelig revisjon av hele teksten på slutten", noe som faktisk kan være den ultimate årsaken til noen av effekter beskrevet her.

Typer av oversettelse-minnesystemer

Desktop: Desktop-oversettelsesminneverktøy er vanligvis det enkelte oversettere bruker for å fullføre oversettelser. De er programmer som en frilansoversetter laster ned og installerer på den stasjonære datamaskinen.
Serverbasert eller sentralisert: Sentraliserte oversettelsesminnesystemer lagrer TM på en sentral server. De jobber sammen med desktop TM og kan øke TM-matchfrekvensen med 30-60% mer enn TM-innflytelsen oppnådd av desktop TM alene.

Funksjoner

Følgende er et sammendrag av hovedfunksjonene til et oversettelsesminne.

Off-line funksjoner

Import

Denne funksjonen brukes til å overføre en tekst og dens oversettelse fra en tekstfil til TM. Import kan gjøres fra et råformat , der en ekstern kildetekst er tilgjengelig for import til en TM sammen med oversettelsen. Noen ganger må teksten behandles på nytt av brukeren. Det er et annet format som kan brukes til å importere: det opprinnelige formatet . Dette formatet er det som bruker TM for å lagre oversettelsesminner i en fil.

Analyse

Analyseprosessen innebærer følgende trinn:

Tekstell analyse: Det er veldig viktig å gjenkjenne tegnsetting riktig for å skille mellom for eksempel punktum på slutten av en setning og punktum i forkortelse. Dermed er mark-up en slags forhåndsredigering. Vanligvis inneholder materialer som er blitt behandlet gjennom oversetterens hjelpeprogrammer påslag, ettersom oversettelsesfasen er innebygd i en flerspråklig dokumentproduksjonslinje. Andre spesielle tekstelementer kan motregnes ved merking. Det er spesielle elementer som ikke trenger å oversettes, for eksempel egennavn og koder, mens andre kan trenge å konverteres til eget format.
Språklig analyse: Basisformularreduksjonen brukes til å utarbeide ordlister og en tekst for automatisk henting av termer fra en termbank. På den annen side kan syntaktisk analyse brukes til å trekke ut ord med flere ord eller fraseologi fra en kildetekst . Så analysering brukes til å normalisere ordrekkefølge variasjon av fraseologi, dette er hvilke ord som kan danne et uttrykk.
Segmentering: Hensikten er å velge de mest nyttige oversettelsesenhetene. Segmentering er som en type analyse. Det gjøres monolingually ved hjelp av overfladisk analyse, og justering er basert på segmentering. Hvis oversetterne korrigerer segmenteringene manuelt, vil ikke senere versjoner av dokumentet finne treff mot TM basert på den korrigerte segmenteringen fordi programmet gjentar sine egne feil. Oversettere fortsetter vanligvis setning for setning, selv om oversettelsen av en setning kan avhenge av oversettelsen av de omkringliggende.
Justering: Det er oppgaven å definere oversettelseskorrespondanser mellom kilde- og måltekster. Det bør være tilbakemelding fra justering til segmentering, og en god justeringsalgoritme skal kunne korrigere initial segmentering.
Term ekstraksjon: Den kan ha som forrige ordbok. Videre, når den trekker ut ukjente termer, kan den bruke parsing basert på tekststatistikk. Disse brukes til å estimere mengden arbeid som er involvert i en oversettelsesjobb. Dette er veldig nyttig for planlegging og planlegging av arbeidet. Oversettelsesstatistikk teller vanligvis ordene og estimerer mengden repetisjon i teksten.

Eksport

Eksport overfører teksten fra TM til en ekstern tekstfil. Import og eksport skal være omvendt.

Online-funksjoner

Når du oversetter, er et av hovedformålene med TM å hente de mest nyttige treffene i minnet, slik at oversetteren kan velge den beste. TM må vise både kildeteksten og målteksten som peker på identitetene og forskjellene.

Henting

Flere forskjellige typer kamper kan hentes fra en TM.

Nøyaktig treff: Nøyaktige treff vises når samsvaret mellom det gjeldende kildesegmentet og det lagrede er samsvar mellom tegn og tegn. Når du oversetter en setning, betyr et eksakt treff at den samme setningen har blitt oversatt før. Nøyaktige treff kalles også "100% matches".
In-Context Exact (ICE) -kamp eller garantert kamp: En ICE-samsvar er en nøyaktig samsvar som skjer i nøyaktig samme sammenheng, det vil si den samme plasseringen i et avsnitt. Kontekst defineres ofte av de omkringliggende setningene og attributtene, for eksempel dokumentfilnavn, dato og tillatelser.
Uklar kamp: Når kampen ikke er nøyaktig, er det en "fuzzy" match. Noen systemer tildeler prosentandeler til denne typen treff, i så fall er en uklar kamp større enn 0% og mindre enn 100%. Disse tallene er ikke sammenlignbare på tvers av systemene med mindre scoringsmetoden er spesifisert.
Konkordans: Når oversetteren velger ett eller flere ord i kildesegmentet, henter systemet segmentpar som samsvarer med søkekriteriene. Denne funksjonen er nyttig for å finne oversettelser av termer og uttrykk i fravær av en terminologidatabase .

Oppdaterer

En TM oppdateres med en ny oversettelse når den er godtatt av oversetteren. Som alltid når du oppdaterer en database, er det spørsmålet hva du skal gjøre med det forrige innholdet i databasen. En TM kan endres ved å endre eller slette oppføringer i TM. Noen systemer tillater oversettere å lagre flere oversettelser av samme kildesegment.

Automatisk oversettelse

Oversettelsesminneverktøy gir ofte automatisk gjenfinning og erstatning.

Automatisk henting: Det søkes etter TM-systemer og resultatene vises automatisk når en oversetter beveger seg gjennom et dokument.
Automatisk erstatning: Med automatisk erstatning vil programvaren gjenta den gamle oversettelsen hvis det kommer et nøyaktig samsvar med å oversette en ny versjon av et dokument. Hvis oversetteren ikke sjekker oversettelsen mot kilden, blir en feil i forrige oversettelse gjentatt.

Nettverk

Nettverk gjør det mulig for en gruppe oversettere å oversette en tekst sammen raskere enn om hver av dem jobbet isolert, fordi setninger og setninger oversatt av en oversetter er tilgjengelige for de andre. Videre, hvis oversettelsesminner deles før den endelige oversettelsen, er det en mulighet for feil av en oversetter som kan rettes av andre teammedlemmer.

Tekstminne

"Tekstminne" er grunnlaget for den foreslåtte Lisa OSCAR xml: tm-standarden. Tekstminne består av forfatterminne og oversettelsesminne.

De unike identifikatorene blir husket under oversettelsen, slik at målspråksdokumentet er 'nøyaktig' justert på tekstenhetsnivå. Hvis kildedokumentet senere blir endret, kan de tekstenhetene som ikke er endret, overføres direkte til den nye målversjonen av dokumentet uten behov for oversetterinteraksjon. Dette er begrepet "eksakt" eller "perfekt" samsvar med oversettelsesminnet. xml: tm kan også tilby mekanismer for in-document leveraged og fuzzy matching.

Historie

1970-tallet er begynnelsesfasen for TM-systemer der forskere fortsatte en innledende runde med utforskende diskusjoner. Den opprinnelige ideen til TM-systemer tilskrives ofte Martin Kay's "Proper Place" -papir, men detaljene i det er ikke gitt fullstendig. I denne artikkelen har den vist det grunnleggende konseptet for lagringssystemet: "Oversetteren kan starte med å utstede en kommando som får systemet til å vise noe i butikken som kan være relevant for .... Før han går videre, kan han undersøke fortid og fremtidige fragmenter av tekst som inneholder lignende materiale ". Denne observasjonen fra Kay ble faktisk påvirket av Peter Artherns forslag om at oversettere kan bruke lignende, allerede oversatte dokumenter online. I sin artikkel fra 1978 demonstrerte han fullt ut det vi kaller TM-systemer i dag: Enhver ny tekst ville bli skrevet inn i en tekstbehandlingsstasjon, og mens den ble skrevet, ville systemet sjekke denne teksten mot de tidligere tekstene som var lagret i minnet, sammen med oversettelsen til alle de andre offisielle språkene [i Det europeiske fellesskap]. ... En fordel i forhold til maskinoversettelse riktig ville være at alle passasjer som ble hentet inn, ville være grammatisk korrekte. I virkeligheten bør vi operere en elektronisk "klipp og hold" -prosess som ifølge mine beregninger vil spare minst 15 prosent av tiden som oversetterne nå bruker på å effektivt produsere oversettelser.

Ideen ble innlemmet fra ALPS (Automated Language Processing Systems) Tools først utviklet av forsker fra Brigham Young University, og på den tiden ble ideen om TM-systemer blandet med et verktøy kalt "Repetitions Processing" som bare hadde som mål å finne matchede strenger. Først etter lang tid ble konseptet med såkalt oversettelsesminne til.

Den virkelige utforskende fasen av TM-systemer ville være 1980-tallet. En av de første implementeringene av TM-systemet dukket opp i Sadler og Vendelmans 'tospråklig kunnskapsbank. En tospråklig kunnskapsbank er et syntaktisk og referensielt strukturert korporpar, den ene er en oversettelse av den andre, der oversettelsesenheter krysskodes mellom korpora. Målet med tospråklig kunnskapsbank er å utvikle en korpusbasert kunnskapskilde for generell bruk for applikasjoner innen maskinoversettelse og datamaskinstøttet oversettelse (Sadler & Vendelman, 1987). Et annet viktig skritt ble gjort av Brian Harris med sin "Bi-text". Han har definert bi-teksten som "en enkelt tekst i to dimensjoner" (1988), kildeteksten og målteksten knyttet til oversetterens aktivitet gjennom oversettelsesenheter som gjorde et lignende ekko med Sadlers tospråklige kunnskapsbank. Og i Harris 'arbeid foreslo han noe i likhet med TM-systemet uten å bruke dette navnet: en database med sammenkoblede oversettelser, søkbare enten etter enkeltord eller "hel oversettelsesenhet", i sistnevnte tilfelle ble søket tillatt å hente lignende snarere enn identiske enheter. .

TM-teknologi ble først kommersielt tilgjengelig i bred skala på slutten av 1990-tallet, så innsatsen fra flere ingeniører og oversettere. Merknad er det første TM-verktøyet kalt Trados ( SDL Trados i dag). I dette verktøyet, når du åpner kildefilen og bruker oversettelsesminnet slik at "100% treff" (identiske treff) eller "uklare treff" (lignende, men ikke identiske treff) i teksten blir umiddelbart hentet ut og plassert i målet fil. Deretter kan "treffene" som er foreslått av oversettelsesminnet aksepteres eller overstyres med nye alternativer. Hvis en oversettelsesenhet oppdateres manuelt, lagres den i oversettelsesminnet for fremtidig bruk så vel som for gjentakelse i gjeldende tekst. På en lignende måte vil alle segmenter i målfilen uten "samsvar" bli oversatt manuelt og deretter automatisk lagt til oversettelsesminnet.

På 2000-tallet begynte online oversettelsestjenester å innlemme TM. Maskinoversettelsestjenester som Google Translate , i tillegg til profesjonelle og "hybrid" oversettelsestjenester som tilbys av nettsteder som Gengo og Ackuna , inneholder databaser med TM-data levert av oversettere og frivillige for å gjøre mer effektive forbindelser mellom språk og gir raskere oversettingstjenester til sluttbrukere .

Nylige trender

En nylig utvikling er begrepet 'tekstminne' i motsetning til oversettelsesminne. Dette er også grunnlaget for den foreslåtte LISA OSCAR-standarden. Tekstminne i xml: tm inneholder 'forfatterminne' og 'oversettelsesminne'. Forfatterminne brukes til å holde rede på endringer i løpet av forfattersyklusen. Oversettelsesminne bruker informasjonen fra forfatterminnet til å implementere samsvarende oversettelse. Selv om den primært er rettet mot XML-dokumenter, kan xml: tm brukes på ethvert dokument som kan konverteres til XLIFF-format.

Andre generasjons oversettelsesminner

Mye kraftigere enn første generasjons TM-systemer, de inkluderer en språklig analysemotor , bruker klumpteknologi for å bryte ned segmenter i intelligente terminologiske grupper og genererer automatisk spesifikke ordlister.

Relaterte standarder

TMX

Translation Memory eXchange (TMX) er en standard som muliggjør utveksling av oversettelsesminner mellom oversettelsesleverandører. TMX er blitt adoptert av oversettelsessamfunnet som den beste måten å importere og eksportere oversettelsesminner på. Den nåværende versjonen er 1.4b - det tillater gjenoppretting av den originale kilden og måldokumenter fra TMX-dataene.

TBX

TermBase eXchange . Denne LISA- standarden, som ble revidert og gjenutgitt som ISO 30042, tillater utveksling av terminologidata inkludert detaljert leksikalsk informasjon. Rammeverket for TBX er gitt av tre ISO-standarder: ISO 12620 , ISO 12200 og ISO 16642. ISO 12620 gir en oversikt over veldefinerte " datakategorier " med standardiserte navn som fungerer som dataelementtyper eller som forhåndsdefinerte verdier. ISO 12200 (også kjent som MARTIF) gir grunnlaget for kjernestrukturen til TBX. ISO 16642 (også kjent som Terminological Markup Framework) inkluderer en strukturell metamodell for Terminology Markup Languages generelt.

UTX

Universal Terminology eXchange (UTX) -format er en standard som er spesielt utviklet for bruk for brukerordbøker for maskinoversettelse , men den kan brukes til generelle, lesbare ordlister. Hensikten med UTX er å akselerere deling og gjenbruk av ordbøker ved hjelp av den ekstremt enkle og praktiske spesifikasjonen.

SRX

Segmenteringsregler eXchange (SRX) er ment å forbedre TMX-standarden slik at oversettelsesminnedata som utveksles mellom applikasjoner kan brukes mer effektivt. Evnen til å spesifisere segmenteringsreglene som ble brukt i forrige oversettelse kan øke utnyttelsen som kan oppnås.

GMX

GILT Metrics . GILT står for (Globalisering, Internasjonalisering, Lokalisering og Oversettelse). GILT Metrics-standarden består av tre deler: GMX-V for volummålinger, GMX-C for kompleksitetsmålinger og GMX-Q for kvalitetsmålinger. Den foreslåtte GILT Metrics-standarden har til oppgave å kvantifisere arbeidsbelastning og kvalitetskrav for en gitt GILT-oppgave.

OLIF

Åpne Lexicon Interchange Format . OLIF er en åpen, XML-kompatibel standard for utveksling av terminologiske og leksikale data. Selv om den opprinnelig var ment som et middel for utveksling av leksikalske data mellom proprietære maskinoversettelsesleksikon, har den utviklet seg til en mer generell standard for terminologiutveksling.

XLIFF

XML Localization Interchange File Format (XLIFF) er ment å gi et enkelt filformat for utveksling som kan forstås av enhver lokaliseringsleverandør. XLIFF er den foretrukne måten å utveksle data i XML-format i oversettelsesbransjen.

TransWS

Oversettelse Web Services . TransWS spesifiserer samtalene som trengs for å bruke webtjenester for innlevering og henting av filer og meldinger knyttet til lokaliseringsprosjekter. Det er ment som et detaljert rammeverk for automatisering av mye av dagens lokaliseringsprosess ved bruk av Web Services.

xml: tm

Xml: tm (XML-basert tekstminne) tilnærming til oversettelsesminne er basert på begrepet tekstminne som omfatter forfatter- og oversettelsesminne. xml: tm er donert til Lisa OSCAR av XML-INTL.

PO

Gettext bærbart objektformat . Selv om de ofte ikke blir sett på som et oversettelsesminneformat, er Gettext PO-filer tospråklige filer som også brukes i oversettelsesminneprosesser på samme måte som oversettelsesminner brukes. Vanligvis vil et PO-oversettelsessystem bestå av forskjellige separate filer i en katalogtrestruktur. Vanlige verktøy som fungerer med PO-filer inkluderer GNU Gettext Tools og Translate Toolkit . Flere verktøy og programmer finnes også som redigerer PO-filer som om de bare er kildetekstfiler .

Se også

Referanser

Videre lesning

Dragsted, Barbara. (2004). Segmentering i oversettelses- og oversettelsesminnesystemer: En empirisk undersøkelse av kognitiv segmentering og effekter av å integrere et TM-system i oversettelsesprosessen . København: Samfundslitteratur. 369 s.
Heyn, Matthias. (1998). “Oversettelsesminner: Innsikt og potensielle kunder”. I: Lynne Bowker; et al. (red.), Enhet i mangfold? Nåværende trender innen oversettelsesstudier . Manchester: St. Jerome. S. 123–136.
Martín-Mor, Adrià (2011), La interferència lingüística en entorns de Traducció Assistida per Ordinador: Recerca empíricoexperimental . Bellaterra: Universitat Autònoma de Barcelona. URL: http://www.tdx.cat/handle/10803/83987.
O'Hagan, Minako. (2009). “Computer-aided translation (CAT)”. I: Mona Baker & Gabriela Saldanha (red.), Routledge-leksikon om oversettelsesstudier . London: Routledge. S. 48–51.
Pym, Anthony (2013). Oversettelsesferdighetssett i en maskinoversettelsesalder . Meta: Translators 'Journal, 58 (3), s. 487-503. URL: http://id.erudit.org/iderudit/1025047ar

Languages

In other projects

Oversettelsesminne - Translation memory

Innhold