Difference between revisions of "Курсы машинного перевода для языков России/Раздел 0"

From Apertium
Jump to navigation Jump to search
 
(57 intermediate revisions by 5 users not shown)
Line 1: Line 1:
<center><big>Session 0: Обзор</big></center>
{{TOCD}}
{{TOCD}}
В данном разделе будет дан краткий обзор такого метода как машинный перевод, основанный на использовании введенных правил и представлено как работает бесплатный open/source машинный переводчик на платформе Апертиум.
В данном разделе будет дан краткий обзор такого метода перевода как машинный перевод, основанного на использовании введенных правил и представлена работа открытой платформы свободного машинного перевода Apertium


Существуют два принципиально отличающихся друг от друга вида машинного перевода:
Существуют два принципиально отличающихся друг от друга вида машинного перевода:


* Машинный перевод, основанный на правилах (RBMT), его также называют символьным машинным переводом; Аппертиум как раз относится к данному виду и этот раздел посвящено подвиду машинного перевода, основанного на правилах
* Машинный перевод, основанный на правилах (Rule Based Machine Translation), его также называют символьным машинным переводом; Apertium как раз относится к данному виду и этот раздел посвящен подвиду машинного перевода, основанного на правилах
* Корпусный машинный перевод; при таком переводе для перевода новых предложений переводчик обращается к наборам из ранее переведенных предложений.
* Корпусный машинный перевод; при таком переводе для перевода новых предложений переводчик обращается к пулу из ранее переведенных предложений.


Если кратко представить корпусный МП, то его можно разделить на две главные подгруппы: подгруппа, в основе которой лежат статистические данные, и подгруппа, основанная на примерах. Теоретически, основной принцип работы статистического машинного перевода заключается в следующем: берется набор ранее переведенных предложений (параллельный корпус) и подсчитывается какие символы совпадают наиболее часто. Всем символам, которые совпадают, присваивается признак вероятности. При переводе нового предложения переводчик рассматривает все слова (символы), которым присвоен признак вероятности, их вероятности комбинируется, делается несколько вариантов возможных переводов и затем выбирается вариант перевода с самой высокой степенью вероятности. Первые системы статистического МП учитывали только совпадение слов, но более новые системы могут учитывать совпадения последовательных рядов слов (фраз) и иерархических деревьев.
Если кратко представить корпусный МП, то его можно разделить на две главные подгруппы: подгруппа, в основе которой лежат статистические данные, и подгруппа, основанная на примерах. Теоретически, основной принцип работы статистического машинного перевода заключается в следующем: берется набор ранее переведенных предложений (параллельный корпус) и подсчитывается какие символы совпадают наиболее часто. Всем символам, которые совпадают, присваивается признак вероятности. При переводе нового предложения переводчик рассматривает все слова (символы), которым присвоен признак вероятности, их вероятности комбинируется, делается несколько вариантов возможных переводов и затем выбирается вариант перевода с самой высокой степенью вероятности. Первые системы статистического МП учитывали только совпадение слов, но более новые системы могут учитывать совпадения последовательных рядов слов (фраз) и иерархических деревьев.


В противовес этому, машинный перевод, основанный на анализе примеров может быть назван переводом по аналогии. В нем также используется параллельные корпуса, но, вместо того чтобы обращаться к признакам вероятности слов, переводчик учится делать анализ на основе примеров. Например, если будет дана пара предложений (A la chica le gustan los gatos(es) → Das Mädchen mag Katzen(de) и A la chica le gustan los elefantes → Das Mädchen mag Elefanten) переводчик может дать следующий пример перевода (A la chica le gustan X → Das Mädchen mag X). При переводе нового предложения, переводчик обращается и анализирует данные части предложения и заменяет их.
В противовес этому, машинный перевод, основанный на анализе примеров, может быть назван переводом по аналогии. В нем также используется параллельные корпуса, но, вместо того чтобы обращаться к признакам вероятности слов, переводчик учится делать анализ на основе примеров. Например, если будет дана пара предложений (Девочке нравятся кошки. {{slc|ru}} → Кызга мышыктар жагат. {{slc|ky}} и Девочке нравятся слоны. → Кызга пилдер жагат.) переводчик может предложить следующий пример перевода (AДевочке нравятся X → Кызга X жагат). При переводе нового предложения, переводчик обращается и анализирует данные части предложения и заменяет их.


Автоматическое применение большего пула переводных текстов (переводной памяти) к тексту может быть также названо видом машинного перевода с использованием корпуса. На самом деле, границы между статистическим машинным переводом и переводом, которые использует и анализирует примеры достаточно размыты. И в том и в другом методе есть свои недостатки и преимущества. При использовании методов машинного перевода с использованием корпуса, переводной текст обычно выглядит более естественным, но может стардать сам смысл перевода, при использовании систем, которые используют метод, основанный на применении правил, перевод выглядит не таким гладким, но значение переводного текста ближе к языку оригинала.
Автоматическое применение большего пула переводных текстов (переводной памяти) к тексту может быть также названо видом машинного перевода с использованием корпуса. На самом деле, границы между статистическим машинным переводом и переводом, которые использует и анализирует примеры, достаточно размыты. И в том и в другом методе есть свои недостатки и преимущества. При использовании методов машинного перевода с использованием корпуса, переводной текст обычно выглядит более естественным, но может страдать сам смысл перевода, при использовании систем, которые используют метод, основанный на применении правил, перевод выглядит не таким гладким, но более точно передает смысл с языка оригинала.


Системы, основанные на правила, и системы, в которых используются корпус, могут быть объединены различными способами и представлять собой смешанную систему. Например, можно создать смешанную систему, где машинный перевод с использованием корпуса помогает найти эквиваленты, а затем может быть применен метод, основанные на правилах, в случае, если не найдено ни одного совпадающего образца.
Системы, основанные на правилах, и системы, в которых используются корпус, могут быть объединены различными способами и представлять собой смешанную систему. Например, можно создать смешанную систему, где корпусный машинный перевод помогает найти эквиваленты, а затем применяется метод, основанный на правилах, в случае, если не найдено ни одного совпадающего образца.


==Виды систем машинного перевода==
==Виды систем машинного перевода==


===Прямой===
===Прямой===
Прямой, или пословный машинный перевод осуществляется следующим образом: из языка источника считывается по одному слову за один раз, затем слово ищется в двуязычном списке слов of surface forms. Слова могут быть удалены или не учтены, и, могут быть переведены одним или несколькими словами. Грамматический анализ не проводится, так что даже такие простые ошибки, как соглашение в роде и числе между существительным и определением к нему останется в языке перевода на выходе.
Прямой, или пословный машинный перевод осуществляется следующим образом: из языка источника считывается по одному слову за один раз, затем слово ищется в двуязычном списке слов поверхностной формы (surface forms). Слова могут быть удалены или не учтены, и, могут быть переведены одним или несколькими словами. Грамматический анализ не проводится, так что даже такие простые ошибки, как соглашение в роде и числе между существительным и определением к нему останется в языке перевода на выходе.


[[File:Session0 primer1.svg|center]]
:ПРИМЕР 1


===Перенос===
:Heinrich köpeğine bir parça et verir.
:<< TXUVAIX AQUÍ >>
:Генрих сетö яй кусöк аслас понлы. <!-- Heinrich gives piece meat his dog.DAT -->
:Heinrich antoi lihapalan koiralleen. <!-- Heinrich gives meat.piece.ACC dog.HIS.TO -->
:Генрих даёт кусок мяса своей собаке.


Машинный перевод, основанный на переносе, работает таким образом, что, сначала язык-источник преобразовывается в зависимую от языка промежуточную репрезентацию, а затем правила применяются уже к этой промежуточной репрезентации с целью преобразования структуры языка-источника в структуру языка перевода. Перевод осуществляется с этой репрезентации с использованием как двуязычных словарей, так и грамматических правил.
===Transfer===


[[File:Session0 primer2.svg|300px|right]]
Transfer-based machine translation works by first converting the source language to a language-dependent intermediate representation, and then rules are applied to this intermediate representation in order to change the structure of the source language to the structure of the target language. The translation is generated from this representation using both bilingual dictionaries and grammatical rules.
Машинный перевод, основанные на transfer работает таким образом, что сначала язык-источник преобразовывается to a language-dependent промежуточное представление, а затем правила применяются уже к этому interm,represent с целью изменения структуры исходного языка на структуру языка перевода. Перевод происходит уже из этого representation на основе использования как двуязычных словарей, так и грамматических правил.


Различия могут быть в уровне абстракции этой промежуточной репрезентации. Можно выделить две большие группы: неглубокая передача и глубокая передача. При неглубоком переносе машинного перевода промежуточная репрезентация, как правило, основывается или на морфологии или на поверхностном синтаксисе. При глубокой передачи МП промежуточная репрезентация обычно включает в себя что-то похожее на дерево разбора или графическую структуру (см. изображение справа)


Машинный перевод, основанный на переносе обычно работает следующим образом: сначала текст перевода анализируется и снимается морфологическая неоднозначность (а в случае глубокой передачи, синтаксическая) с целью получения промежуточной репрезентации исходного языка. Процесс переноса затем преобразует эту финальную репрезентацию (все еще на языке оригинала) в репрезентацию на том же уровне абстракции в языке перевода. Из репрезентации языка перевода, генерируется язык перевода.
There can be differences in the level of abstraction of the intermediate representation. We can distinguish two broad groups, shallow transfer, and deep transfer. In shallow-transfer MT the intermediate representation is usually either based on morphology or shallow syntax. In deep-transfer MT the intermediate representation usually includes some kind of parse tree or graph structure (see images on the right).
Могут быть различия в уровне абстракции промежуточного представления. Можно выделить две большие группы: неглубокая передача и глубокая передача. При неглубоком transfer машинном переводе промежуточное представление, как правило, основывается или на морфологии или на поверхностном синтаксисе. При глубокой передачи MT промежуточное представление обычно включает в себя что-то похожее на дерево разбора или графическую структуру (см. изображение справа)


===Язык-посредник===
:ПРИМЕР 2


В машинном переводе, основанном на переносе, правила написаны по принципу пара-на-пару, что делает их особенными для языковой пары. В подходе "язык-посредник", промежуточная репрезентация полностью независима от языка. Есть ряд преимуществ такого подхода, но также и недостатки. Преимущества в том, что есть возможность добавить новый язык в существующую систему МП, необходимо лишь написать анализатор и генератор для нового языка, а не правила переноса между новым языком и всеми существующими языками. Недостаток в том, что очень трудно определить язык-посредник, который может действительно представлять все нюансы всех естественных языков, и на практике, язык-посредник используются только для ограниченных областей перевода.
Transfer-based MT usually works as follows: The original text is first analysed and disambiguated morphologically (and in the case of deep transfer, syntactically) in order to obtain the source language intermediate representation. The transfer process then converts this final representation (still in the source language) to a representation of the same level of abstraction in the target la
Машинный перевод, основанный на transfer обычно работает следующим образом: сначала оригинальный текст анализируется и снимается морфологическая disambiguated (а в случае глубокой передачи, синтаксическая) с целью получения исходного языка промежуточное представление.Процесс передачи затем преобразует это окончательное представление (до сих пор на языке оригинала) для представления на том же уровне абстракции в целевом языке. Из представления целевой язык, язык не генерируется.
nguage. From the target language representation, the target language is generated.


===Межязыковой===

In transfer-based machine translation, rules are written on a pair-by-pair basis, making them specific to a language pair. In the interlingua approach, the intermediate representation is entirely language independent. There are a number of benefits to this approach, but also disadvantages. The benefits are that in order to add a new language to an existing MT system, it is only necessary to write an analyser and generator for the new language, and not transfer rules between the new language and all the existing languages. The drawbacks are that it is very hard to define an interlingua which can truely represent all nuances of all natural languages, and in practice, interlingua systems are only used for limited translation domains.


==Проблемы машинного перевода==
==Проблемы машинного перевода==
Line 53: Line 40:
===Анализ===
===Анализ===


<center>'''Form does not entirely determine content.'''</center>
<center>'''Форма не полностью определяет содержание.'''</center>


Это также называется проблемой омонимии. Проблема состоит в том, что многие предложения на одном языке могут иметь более чем одну интерпретацию и эти интерпретации могут быть переведены по разному на разные языки. Рассмотрите следующий пример:
Это также называется проблемой омонимии. Проблема состоит в том, что многие предложения на одном языке могут иметь более чем одну интерпретацию и эти интерпретации могут быть переведены по разному на разные языки. Рассмотрим следующий пример на финнском языке:


* Tuovatko he uutisia Kreikasta? (Греция как предмет)
:ПРИМЕР 3
** → Они приносили новости о Грецие? {{slc|ru}}
:'''Здесь нужен пример синтаксической неоднозначности на русском или на чувашском языке (чем проще, тем лучше)'''
** → Греция жөнүндө жаңылык алып келди. {{slc|ky}}
:Вот друг Саша, которого я вчера встретил.
* Tuovatko he uutisia Kreikasta? (Греция как источник)
** → Они приносили новости из Греции? {{slc|ru}}
** → Грециядан жаңылык алып келди. {{slc|ky}}


Но иногда эта многозначность может быть сохранена, например, при переводе этой же фразы на другой тюркский язык:
===Synthesis===
<center>'''Content does not entirely determine form.''' </center>
This is the problem that in a given language there is usually more than one way to communicate the same meaning for any given meaning.


* Traían noticias de Grecia? (Греция как предмет и источник)
:EXEMPLE 4
** → Traían notícias de Grecía? {{slc|es}}
:Эсир мӗнле пурӑнатӑр?

===Синтез===
<center>'''Содержание не полностью определяет форму.''' </center>
Проблема в том, что в данном языке не один способ передачи одного и того же значения. На пр. на чувашском языке: "сколько времени?"/"который час?"...

:Эсир мӗнле пурӑнатӑр?
:Мӗнле пурнӑҫсем?
:Мӗнле пурнӑҫсем?
:Мӗнле халсем?
:Мӗнле халсем?
:Мӗнле еҫсем?
:Мӗнле еҫсем?


Все эти вопросы требуют одинакового ответа, но их частотность и место употребления могут различаться.
All of these questions demand the same answer (how are you), but they may be more or less frequently used, or emphasise different things.
В Apertium, на каждое введенное предложение, предлагается один вариант. От создателя системы зависит, какой вариант перевода будет предлагать система. Часто мы рекомендуем, чтобы это был наиболее литературный перевод, так как это снижает необходимость в правилах переноса.
In Apertium, for a given input sentence, one output sentence is produced. It is up to the designer of the translation system to choose which translation they want the system to produce. Often we recommend the most literal translation possible, as this reduces the necessity of transfer rules.


===Transfer===
===Перенос===
<center>'''The same content is represented differently in different languages. '''</center>
<center>'''Одно и тоже содержание по разному представлено в разных языках. '''</center>


В языках существуют различные способы передачи одного и того же значения. И эти значения обычно несовместимы между языками. Рассмотрите следующие примеры предложений, которые выражают одно и то же значение:
В языках существуют различные способы передачи одного и того же значения. И эти значения обычно несовместимы между языками. Рассмотрите следующие примеры предложений, которые выражают одно и то же значение:


* Мен (сууга) сүзгөндү жакшы көрөм.
:EXEMPLE 5
** Мен = {{sc|subject}}, сүзгөндү = {{sc|dir. object}}, жакшы.көрөм = {{sc|verb}}
* Маған (суда) жүзу ұнайды.
** Маған = {{sc|ind. object}}, жүзу = {{sc|subject}}, ұнайды = {{sc|verb}}.
* Minä pidän uimisesta
** Minä = {{sc|subject}}, pidän = {{sc|verb}}, uimisesta = {{sc|adverbial}}


В системе Apertium, применяются правила, которые трансформируют структуру языка источника в структуру целевого языка, используя последовательность лексических форм в качестве промежуточной репрезентации. Более подробная информация в разделе 5: Основы структурного переноса.
In Apertium, rules are applied which convert source language structure to target language structure using sequences of lexical forms as an intermediate representation. For further information see: Session 5: Structural transfer basics.


===Description===
===Описание===


<center>'''Representing knowledge about the translation process in machine-readable form.'''</center>
<center>'''Как отразить информация о процессе перевода на языке компьютера.'''</center>


Последней проблемой является проблема описания. Чтобы создать систему машинного перевода, люди со знанием обоих языков должны систематизировать-кодировать свои знания в таком виде, чтобы компьютер смог их обработать.
The final problem is that of description. In order to build a machine translation system it is necessary for people with knowledge of both languages to sit down and codify that knowledge in a form explicit and declarative enough for the machine to be able to process it.


Так как перевод часто является бессознательным процессом, мы переводим не задумываясь о правилах, которыми мы пользуемся. Компьютеры не имеют такой способности, им нужны конкретные инструкции что именно нужно делать. Перевод не получится, если в компьютер не будет занесена информация по переводу.
While translation is often an unconscious process, we translate without reflecting on the rules that we use to translate, the machine does not have this unconsciousness, and must be told exactly what operations to perform. If these operations rely on information that the machine does not have, or cannot have, then a machine translation will not be possible.


Но для многих предложений данная информация необязательна:
But for many sentences, this information is not necessary:


Например, на славянских языках:
:EXEMPLE 6
* Апертиум - система машинного перевода. {{slc|ru}}
* Apertium je sistem za mašinskoga prevođenja. {{slc|sh}}
* Apertium je sistem za računalniško prevajanje. {{slc|sl}}


И на тюркских языках:
==Practice==
* Apertium bir makine çevirisi sistemidir. {{slc|tr}}
* Апертиум - машиналык котормо системасы. {{slc|ky}}
* Апертиум - машиналық аудару системасы. {{slc|kk}}
* Апертиум - машина тәрҗемәләве системасы. {{slc|tt}}
* Апертиум - машина тәржемәләүе системаһы. {{slc|ba}}


и на уральских языках:
===Installation===
* Apertium on konekäännösjärjestelmä. {{slc|fi}}


==Практика==
For guidance on the installation process of Apertium, HFST and Constraint grammar, see the hand out.


===Usage===
===Установка===


Для руководства по установке Apertium, HFST и грамматике ограничений, смотрите раздаточный материал.
To use Apertium, first open up a terminal. Now <code>cd</code> into the directory of the language pair you want to test.

===Применение===

Чтобы пользоваться системой Apertium, сначала откройте терминал. Теперь зайдите в раздел языковой пары (через <code>cd</code>), которую хотите протестировать.


<pre>
<pre>
Line 109: Line 121:
</pre>
</pre>


Вы можете протестировать ее при помощи следующей команды:
You can test it with the following command:


<pre>
<pre>
$ echo "Text that you want to translate" | apertium -d . aa-bb
$ echo "Текст, который вы хотите перевести." | apertium -d . aa-bb
</pre>
</pre>


Например, из турецкого в киргизский:
For example, from Turkish to Kyrgyz:


<pre>
<pre>
Line 122: Line 134:
</pre>
</pre>


===Структура раздела===
===Directory layout===


Ниже приведена таблица, в которой дано описание основных файлов с данными, которые присутствуют в типичной языковой паре и ссылки на разделы в которых они описаны.
Below is a table which gives a description of the main data files that can be found in a typical language pair, and links to the sessions where they are described.


<center>
<center>
{|class=wikitable
{|class=wikitable
! File !! Type !! Description !! Session(s)
! Файл !! Вид !! Описание !! Раздел(ы)
|-
|-
| <code>apertium-tr-ky.ky.lexc</code> || Dictionary || Kyrgyz morphotactic dictionary, used for analysis and generation || [[Машинный перевод для языков России/Session 1|1]] [[Машинный перевод для языков России/Session 2|2]]
| <code>apertium-tt-ba.tt.lexc</code> || Словарь || Словарь морфотактики татарского языка, для анализа и формирования || [[Машинный перевод для языков России/Раздел 1|1]] [[Машинный перевод для языков России/Раздел 2|2]]
|-
|-
| <code>apertium-tr-ky.ky.twol</code> || Phonological rules || Kyrgyz morphophonological rules || [[Машинный перевод для языков России/Session 1|1]] [[Машинный перевод для языков России/Session 2|2]]
| <code>apertium-tt-ba.tt.twol</code> || Фонологические правила || Морфонологические правила татарского языка || [[Машинный перевод для языков России/Раздел 1|1]] [[Машинный перевод для языков России/Session 2|2]]
|-
| <code>apertium-tt-ba.ba.lexc</code> || Словарь || Словарь морфотактики башкирского языка, для анализа и формирования || [[Машинный перевод для языков России/Раздел 1|1]] [[Машинный перевод для языков России/Раздел 2|2]]
|-
| <code>apertium-tt-ba.ba.twol</code> || Фонологические правила || Морфонологические правила башкирского языка || [[Машинный перевод для языков России/Session 1|1]] [[Машинный перевод для языков России/Раздел 2|2]]
|-
|-
| <code>apertium-fr-es.tr.lexc</code> || Dictionary || Turkish morphotactic dictionary, used for analysis and generation || [[Машинный перевод для языков России/Session 1|1]] [[Машинный перевод для языков России/Session 2|2]]
| <code>apertium-tt-ba.tt.rlx</code> || Правила по разрешению неоднозначности || Грамматика ограничений татарского языка для снятия морфологической неоднозначности || [[Машинный перевод для языков России/Раздел 3|3]]
|-
|-
| <code>apertium-tr-ky.tr.twol</code> || Phonological rules || Turkish morphophonological rules || [[Машинный перевод для языков России/Session 1|1]] [[Машинный перевод для языков России/Session 2|2]]
| <code>apertium-tt-ba.ba.rlx</code> || Правила по разрешению неоднозначности || Грамматика ограничений башкирского языка для снятия морфологической неоднозначности || [[Машинный перевод для языков России/Раздел 3|3]]
|-
|-
| <code>apertium-tr-ky.tr-ky.dix</code> || Dictionary || Turkish&mdash;Kyrgyz bilingual dictionary, used for lexical transfer || [[Машинный перевод для языков России/Session 4|4]]
| <code>apertium-tt-ba.tt-ba.dix</code> || Словарь || Татарско&mdash;башкирский двуязычный словарь для лексического переноса || [[Машинный перевод для языков России/Раздел 4|4]]
|-
|-
| <code>apertium-tr-ky.tr.rlx</code> || Tagging rules || Turkish constraint grammar, used for morphological disambiguation || [[Машинный перевод для языков России/Session 3|3]]
| <code>apertium-tt-ba.tt.lrx</code> || Правила лексической выборки || Правила лексической выборки для татарского языка || [[Машинный перевод для языков России/Раздел 4|4]]
|-
|-
| <code>apertium-tr-ky.ky.rlx</code> || Tagging rules || Kyrgyz constraint grammar, used for morphological disambiguation || [[Машинный перевод для языков России/Session 3|3]]
| <code>apertium-tt-ba.ba.lrx</code> || Правила лексической выборки || Правила лексической выборки для башкирского языка || [[Машинный перевод для языков России/Раздел 4|4]]
|-
|-
| <code>apertium-tr-ky.tr-ky.t1x</code> || Transfer rules || Turkish→Kyrgyz first-level rule file, for structural transfer || [[Машинный перевод для языков России/Session 5|5]] [[Машинный перевод для языков России/Session 6|6]]
| <code>apertium-tt-ba.tt-ba.t1x</code> || Правила переноса || Татарско-башкирский файл с правилами первого уровня для структурного переноса || [[Машинный перевод для языков России/Раздел 5|5]] [[Машинный перевод для языков России/Раздел 6|6]]
|-
|-
|-
|-
| <code>apertium-tr-ky.ky-tr.t1x</code> || Transfer rules || Kyrgyz→Turkish first-level rule file, for structural transfer || [[Машинный перевод для языков России/Session 5|5]] [[Машинный перевод для языков России/Session 6|6]]
| <code>apertium-tt-ba.ba-tt.t1x</code> || Правила переноса || Башкирско-татарский файл с правилами первого уровня для структурного переноса || [[Машинный перевод для языков России/Раздел 5|5]] [[Машинный перевод для языков России/Раздел 6|6]]
|-
|-
|}
|}

Latest revision as of 09:26, 2 February 2012

В данном разделе будет дан краткий обзор такого метода перевода как машинный перевод, основанного на использовании введенных правил и представлена работа открытой платформы свободного машинного перевода Apertium

Существуют два принципиально отличающихся друг от друга вида машинного перевода:

  • Машинный перевод, основанный на правилах (Rule Based Machine Translation), его также называют символьным машинным переводом; Apertium как раз относится к данному виду и этот раздел посвящен подвиду машинного перевода, основанного на правилах
  • Корпусный машинный перевод; при таком переводе для перевода новых предложений переводчик обращается к пулу из ранее переведенных предложений.

Если кратко представить корпусный МП, то его можно разделить на две главные подгруппы: подгруппа, в основе которой лежат статистические данные, и подгруппа, основанная на примерах. Теоретически, основной принцип работы статистического машинного перевода заключается в следующем: берется набор ранее переведенных предложений (параллельный корпус) и подсчитывается какие символы совпадают наиболее часто. Всем символам, которые совпадают, присваивается признак вероятности. При переводе нового предложения переводчик рассматривает все слова (символы), которым присвоен признак вероятности, их вероятности комбинируется, делается несколько вариантов возможных переводов и затем выбирается вариант перевода с самой высокой степенью вероятности. Первые системы статистического МП учитывали только совпадение слов, но более новые системы могут учитывать совпадения последовательных рядов слов (фраз) и иерархических деревьев.

В противовес этому, машинный перевод, основанный на анализе примеров, может быть назван переводом по аналогии. В нем также используется параллельные корпуса, но, вместо того чтобы обращаться к признакам вероятности слов, переводчик учится делать анализ на основе примеров. Например, если будет дана пара предложений (Девочке нравятся кошки. (ru) → Кызга мышыктар жагат. (ky) и Девочке нравятся слоны. → Кызга пилдер жагат.) переводчик может предложить следующий пример перевода (AДевочке нравятся X → Кызга X жагат). При переводе нового предложения, переводчик обращается и анализирует данные части предложения и заменяет их.

Автоматическое применение большего пула переводных текстов (переводной памяти) к тексту может быть также названо видом машинного перевода с использованием корпуса. На самом деле, границы между статистическим машинным переводом и переводом, которые использует и анализирует примеры, достаточно размыты. И в том и в другом методе есть свои недостатки и преимущества. При использовании методов машинного перевода с использованием корпуса, переводной текст обычно выглядит более естественным, но может страдать сам смысл перевода, при использовании систем, которые используют метод, основанный на применении правил, перевод выглядит не таким гладким, но более точно передает смысл с языка оригинала.

Системы, основанные на правилах, и системы, в которых используются корпус, могут быть объединены различными способами и представлять собой смешанную систему. Например, можно создать смешанную систему, где корпусный машинный перевод помогает найти эквиваленты, а затем применяется метод, основанный на правилах, в случае, если не найдено ни одного совпадающего образца.

Виды систем машинного перевода[edit]

Прямой[edit]

Прямой, или пословный машинный перевод осуществляется следующим образом: из языка источника считывается по одному слову за один раз, затем слово ищется в двуязычном списке слов поверхностной формы (surface forms). Слова могут быть удалены или не учтены, и, могут быть переведены одним или несколькими словами. Грамматический анализ не проводится, так что даже такие простые ошибки, как соглашение в роде и числе между существительным и определением к нему останется в языке перевода на выходе.

Session0 primer1.svg

Перенос[edit]

Машинный перевод, основанный на переносе, работает таким образом, что, сначала язык-источник преобразовывается в зависимую от языка промежуточную репрезентацию, а затем правила применяются уже к этой промежуточной репрезентации с целью преобразования структуры языка-источника в структуру языка перевода. Перевод осуществляется с этой репрезентации с использованием как двуязычных словарей, так и грамматических правил.

Session0 primer2.svg

Различия могут быть в уровне абстракции этой промежуточной репрезентации. Можно выделить две большие группы: неглубокая передача и глубокая передача. При неглубоком переносе машинного перевода промежуточная репрезентация, как правило, основывается или на морфологии или на поверхностном синтаксисе. При глубокой передачи МП промежуточная репрезентация обычно включает в себя что-то похожее на дерево разбора или графическую структуру (см. изображение справа)

Машинный перевод, основанный на переносе обычно работает следующим образом: сначала текст перевода анализируется и снимается морфологическая неоднозначность (а в случае глубокой передачи, синтаксическая) с целью получения промежуточной репрезентации исходного языка. Процесс переноса затем преобразует эту финальную репрезентацию (все еще на языке оригинала) в репрезентацию на том же уровне абстракции в языке перевода. Из репрезентации языка перевода, генерируется язык перевода.

Язык-посредник[edit]

В машинном переводе, основанном на переносе, правила написаны по принципу пара-на-пару, что делает их особенными для языковой пары. В подходе "язык-посредник", промежуточная репрезентация полностью независима от языка. Есть ряд преимуществ такого подхода, но также и недостатки. Преимущества в том, что есть возможность добавить новый язык в существующую систему МП, необходимо лишь написать анализатор и генератор для нового языка, а не правила переноса между новым языком и всеми существующими языками. Недостаток в том, что очень трудно определить язык-посредник, который может действительно представлять все нюансы всех естественных языков, и на практике, язык-посредник используются только для ограниченных областей перевода.

Проблемы машинного перевода[edit]

Анализ[edit]

Форма не полностью определяет содержание.

Это также называется проблемой омонимии. Проблема состоит в том, что многие предложения на одном языке могут иметь более чем одну интерпретацию и эти интерпретации могут быть переведены по разному на разные языки. Рассмотрим следующий пример на финнском языке:

  • Tuovatko he uutisia Kreikasta? (Греция как предмет)
    • → Они приносили новости о Грецие? (ru)
    • → Греция жөнүндө жаңылык алып келди. (ky)
  • Tuovatko he uutisia Kreikasta? (Греция как источник)
    • → Они приносили новости из Греции? (ru)
    • → Грециядан жаңылык алып келди. (ky)

Но иногда эта многозначность может быть сохранена, например, при переводе этой же фразы на другой тюркский язык:

  • Traían noticias de Grecia? (Греция как предмет и источник)
    • → Traían notícias de Grecía? (es)

Синтез[edit]

Содержание не полностью определяет форму.

Проблема в том, что в данном языке не один способ передачи одного и того же значения. На пр. на чувашском языке: "сколько времени?"/"который час?"...

Эсир мӗнле пурӑнатӑр?
Мӗнле пурнӑҫсем?
Мӗнле халсем?
Мӗнле еҫсем?

Все эти вопросы требуют одинакового ответа, но их частотность и место употребления могут различаться. В Apertium, на каждое введенное предложение, предлагается один вариант. От создателя системы зависит, какой вариант перевода будет предлагать система. Часто мы рекомендуем, чтобы это был наиболее литературный перевод, так как это снижает необходимость в правилах переноса.

Перенос[edit]

Одно и тоже содержание по разному представлено в разных языках.

В языках существуют различные способы передачи одного и того же значения. И эти значения обычно несовместимы между языками. Рассмотрите следующие примеры предложений, которые выражают одно и то же значение:

  • Мен (сууга) сүзгөндү жакшы көрөм.
    • Мен = subject, сүзгөндү = dir. object, жакшы.көрөм = verb
  • Маған (суда) жүзу ұнайды.
    • Маған = ind. object, жүзу = subject, ұнайды = verb.
  • Minä pidän uimisesta
    • Minä = subject, pidän = verb, uimisesta = adverbial

В системе Apertium, применяются правила, которые трансформируют структуру языка источника в структуру целевого языка, используя последовательность лексических форм в качестве промежуточной репрезентации. Более подробная информация в разделе 5: Основы структурного переноса.

Описание[edit]

Как отразить информация о процессе перевода на языке компьютера.

Последней проблемой является проблема описания. Чтобы создать систему машинного перевода, люди со знанием обоих языков должны систематизировать-кодировать свои знания в таком виде, чтобы компьютер смог их обработать.

Так как перевод часто является бессознательным процессом, мы переводим не задумываясь о правилах, которыми мы пользуемся. Компьютеры не имеют такой способности, им нужны конкретные инструкции что именно нужно делать. Перевод не получится, если в компьютер не будет занесена информация по переводу.

Но для многих предложений данная информация необязательна:

Например, на славянских языках:

  • Апертиум - система машинного перевода. (ru)
  • Apertium je sistem za mašinskoga prevođenja. (sh)
  • Apertium je sistem za računalniško prevajanje. (sl)

И на тюркских языках:

  • Apertium bir makine çevirisi sistemidir. (tr)
  • Апертиум - машиналык котормо системасы. (ky)
  • Апертиум - машиналық аудару системасы. (kk)
  • Апертиум - машина тәрҗемәләве системасы. (tt)
  • Апертиум - машина тәржемәләүе системаһы. (ba)

и на уральских языках:

  • Apertium on konekäännösjärjestelmä. (fi)

Практика[edit]

Установка[edit]

Для руководства по установке Apertium, HFST и грамматике ограничений, смотрите раздаточный материал.

Применение[edit]

Чтобы пользоваться системой Apertium, сначала откройте терминал. Теперь зайдите в раздел языковой пары (через cd), которую хотите протестировать. 

$ cd apertium-aa-bb

Вы можете протестировать ее при помощи следующей команды: 

$ echo "Текст, который вы хотите перевести." | apertium -d . aa-bb

Например, из турецкого в киргизский: 

$ echo "En güzel kız evime geldi." | apertium -d . tr-ky
Эң жакшынакай кыз үйүмө келди.

Структура раздела[edit]

Ниже приведена таблица, в которой дано описание основных файлов с данными, которые присутствуют в типичной языковой паре и ссылки на разделы в которых они описаны.

Файл Вид Описание Раздел(ы)
apertium-tt-ba.tt.lexc Словарь Словарь морфотактики татарского языка, для анализа и формирования 1 2
apertium-tt-ba.tt.twol Фонологические правила Морфонологические правила татарского языка 1 2
apertium-tt-ba.ba.lexc Словарь Словарь морфотактики башкирского языка, для анализа и формирования 1 2
apertium-tt-ba.ba.twol Фонологические правила Морфонологические правила башкирского языка 1 2
apertium-tt-ba.tt.rlx Правила по разрешению неоднозначности Грамматика ограничений татарского языка для снятия морфологической неоднозначности 3
apertium-tt-ba.ba.rlx Правила по разрешению неоднозначности Грамматика ограничений башкирского языка для снятия морфологической неоднозначности 3
apertium-tt-ba.tt-ba.dix Словарь Татарско—башкирский двуязычный словарь для лексического переноса 4
apertium-tt-ba.tt.lrx Правила лексической выборки Правила лексической выборки для татарского языка 4
apertium-tt-ba.ba.lrx Правила лексической выборки Правила лексической выборки для башкирского языка 4
apertium-tt-ba.tt-ba.t1x Правила переноса Татарско-башкирский файл с правилами первого уровня для структурного переноса 5 6
apertium-tt-ba.ba-tt.t1x Правила переноса Башкирско-татарский файл с правилами первого уровня для структурного переноса 5 6
Retrieved from "https://wiki.apertium.org/w/index.php?title=Курсы_машинного_перевода_для_языков_России/Раздел_0&oldid=31981"