Введение 3
Глава 1 Теоретическая основа машинного перевода 7
1.1 История развития машинного перевода 7
1.2 Определение и классификация машинного перевода 12
1.3 Специфика и трудности при переводе экономического текста 16
1.4 Оценка качества машинного перевода 17
1.5 Классификация ошибок при машинном переводе 20
Выводы по Главе 1 26
Глава 2 Сопоставительный анализ переводов английских экономических текстов на русский язык 28
2.1 Горизонтальное сравнение 32
2.1.1 Количество ошибок в переведенной версии 202104 34
2.1.2 Количество ошибок в переведенной версии 202201 38
2.1.3 Согласованность перевода и количество изменений на трех платформах 42
2.2 Вертикальное сравнение 45
2.2.1 Анализ переводов Google 46
2.2.2 Анализ переводов Promt 51
2.2.3 Анализ переводов Yandex 53
2.3 Анализ результатов перевода с точки зрения экономических текстов 55
2.4 Обсуждение взаимосвязи между машинным переводом и человеческим переводом 58
Вывод по Главе 2 64
Заключение 67
Список литературы 70
Список источников 74
С широким распространением Интернета, ускорением глобализации и все более частым обменом информацией между странами растет потребность людей в переводе, и традиционный ручной перевод далек от того, чтобы удовлетворить быстро растущий спрос на перевод. Способность машин обрабатывать большие объемы данных делает возможным эффективный и быстрый перевод. Внимание людей все чаще обращается к машинному переводу. Машинный перевод открыл новый этап развития, и в соответствии с требованиями времени появилось различное программное обеспечение для машинного перевода.
В последние годы, с быстрым развитием глубокого обучения, был достигнут большой прогресс в исследованиях машинного перевода нейронных сетей (neural machine translation, NMT). На многих языках производительность машинного перевода с использованием нейронных сетей была значительно улучшена, намного превосходя производительность традиционного статистического машинного перевода (statistical machine translation, SMT). В настоящее время исследования NMT стали центром внимания ученых и экспертов, и теперь это самое передовое направление развития исследований в области обработки естественного языка, и оно имеет огромное влияние в академических кругах. Этим объясняется актуальность данного исследования.
Целью исследования стал сопоставительный анализ качества перевода экономических текстов с английского языка на русский разными системами машинного перевода с использованием нейронных сетей. В задачи исследования входит следующее:
1) рассмотреть особенности машинного перевода с использованием нейронных сетей;
2) определить критерии оценки качества машинного перевода экономических текстов с использованием нейронных сетей;
3) по выделенным критериям провести горизонтальное и вертикальное сравнение результатов перевода экономических текстов с английского языка на русский в системах машинного перевода с использованием нейронных сетей Google Translate, Promt Translator и Yandex Translator в два разных периода времени;
4) проанализировать качество перевода и эффективность обучения исследуемых систем машинного перевода с использованием нейронных сетей.
Объектом исследования в данной работе являются результаты перевода экономических текстов различными системами машинного перевода, а предметом исследования являются ошибки и изменения в результатах перевода.
Материалом исследования послужили десять текстов экономической тематики на английском языке, опубликованных на сайте информационного агентства ТАСС, и результаты их перевода, выполненного в трех системах машинного перевода с использованием нейронных сетей, а именно Google Translate, Promt Translator и Yandex Translator в апреле 2021 года и январе 2022 года, то есть в общей сложности было проанализировано 60 русских переводов с английского языка, выдаваемых тремя переводческими платформами за два разных периода времени.
Методологической основой исследования послужили сплошная выборка, метод классификации, описательный и сравнительно-сопоставительный методы. Материал для исследования отбирался методом сплошной выборки. Далее для анализа качество переводов, полученных с помощью разных систем машинного перевода использовались метод классификации, описательный и сравнительно-сопоставительный методы.
Научная новизна исследования состоит в том, что в работе впервые анализируются и сопоставляются ошибки перевода текстов экономической тематики в трех разных переводческих системах на основе нейросетей за два разных периода времени.
Теоретическая значимость работы состоит в том, что в работе впервые критерии оценки качества перевода применены к переводу экономических текстов с английского языка на русский за два разных периода времени. Полученные данные могут использоваться в дальнейшем изучении принципов работы систем машинного перевода с использованием нейронных сетей. Практическая значимость обусловлена тем, что результаты исследования могут применяться при оценке эффективности машинного обучения нейросети, в разработке улучшений переводческих систем с использованием нейронных сетей, а также в курсе обучения письменному переводу с английского языка на русский.
На защиту выносятся следующие положения:
После десятилетий развития появились различные виды машинного перевода, и благодаря быстрому росту спроса на перевод машинный перевод широко используется в обществе. Качество перевода нейросетевой системы машинного перевода все еще очень низкое, поэтому машинный перевод без участия человека никогда не заменит человека.
В первой главе кратко представлены соответствующие теории машинного перевода вокруг истории развития, определения, классификации машинного перевода, характеристик экономических текстов и трудностей перевода, критериев оценки машинного перевода и ошибок машинного перевода. Мы можем обнаружить, что машинный перевод быстро развивался в последние годы, и появление глубокого обучения значительно улучшило качество перевода машинного перевода. С развитием технологий и потребностей связи исследования машинного перевода продолжают делать прорывы, а теория машинного перевода продолжает развиваться.
Во второй главе мы сравним результаты перевода выбранных английских экономических текстов тремя системами по горизонтали и вертикали. Мы оцениваем качество перевода машинного перевода, подсчитывая ошибки в переводе и проверяя непротиворечивость перевода соответствующих существительных. Мы также изучаем скорость и эффективность глубокого обучения нейронной сети трех систем, анализируя, как каждая система обрабатывает один и тот же текст с течением времени. Наконец, мы используем характеристики экономических текстов в качестве отправной точки для анализа качества результатов машинного перевода экономических текстов, а затем обсуждаем противоречие и взаимосвязь между машинным переводом и человеческим переводом.
Взяв за отправную точку экономические тексты, в этой работе мы протестировали три нейросетевые системы машинного перевода и сделали вывод о том, что экономические тексты обладают определенными характеристиками, включая большое количество чисел, единиц, терминов. Текстовые характеристики экономических текстов также предъявляют высокие требования к точности и совершенству переводческого содержания. В целом, качество перевода нейросетевой системы машинного перевода все еще очень низкое, и системы могут передать основной смысл предложения, но существующие ошибки и несоответствия в переводе говорят нам о том, что результаты перевода нейросетевой системы машинного перевода до сих пор не могут достичь высокого уровня стандарта. Хотя системы машинного перевода на основе нейронных сетей постоянно совершенствуются и учатся, еще есть много возможностей для совершенствования.
Стоит констатировать, что развитие машинного перевода достигло сегодня выдающихся показателей, что в определенной степени облегчило жизнь людей. Программное обеспечение для машинного перевода предоставляет удобные функции поиска слов и перевода в повседневной жизни. Хотя сервис не идеален и значение многих переводов неточное, оно все же расширяет возможности общения людей, снижает стоимость перевода для обычных людей и делает перевод более удобным. В настоящее время все больше и больше программного обеспечения машинного перевода использует для перевода метод нейронной сети (neural machine translation, NMT), который в определенной степени улучшает качество перевода.
С быстрым развитием машинного перевода сегодня многие люди сомневаются, действительно ли машинный перевод заменит человеческий перевод. Но ответ очевиден: машинный перевод без участия человека никогда не заменит человека. Те, кто заинтересован в переводческой деятельности, должны усердно изучать иностранные языки, овладевать навыками перевода, читать много текстов и накапливать устойчивые выражения, чтобы улучшить свои переводческие способности и способствовать развитию машинного перевода.
Перспективы исследования данной проблемы состоят в возможности дальнейшего более глубокого изучения машинного перевода, особенно нейронный машинный перевод, по оптимальному решению и преодолению наличных проблем.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
