ОЦЕНКА КАЧЕСТВА МАШИННОГО ПЕРЕВОДА НА ПРИМЕРЕ ВЕБ-СЛУЖБЫ GOOGLE ПЕРЕВОДЧИК
|
Введение 3
1 Машинный перевод 6
1.1 История развития машинного перевода и основные понятия 6
1.2. Веб-служба Google Переводчик 15
1.3. Методы оценки качества машинного перевода 18
Выводы по главе 1 27
2 Оценка качества машинного перевода, выполненного службой Google
Переводчик 28
2.1. Анализ машинного перевода для языковой пары русский-
французский 28
2.2. Анализ машинного перевода для языковой пары английский-
французский 44
Выводы по главе 2 54
Заключение 55
Список использованных источников и литературы 58
Приложения 64
1 Машинный перевод 6
1.1 История развития машинного перевода и основные понятия 6
1.2. Веб-служба Google Переводчик 15
1.3. Методы оценки качества машинного перевода 18
Выводы по главе 1 27
2 Оценка качества машинного перевода, выполненного службой Google
Переводчик 28
2.1. Анализ машинного перевода для языковой пары русский-
французский 28
2.2. Анализ машинного перевода для языковой пары английский-
французский 44
Выводы по главе 2 54
Заключение 55
Список использованных источников и литературы 58
Приложения 64
Настоящая работа проводится в рамках компьютерной лингвистики и переводоведения и посвящена вопросу о современном состоянии систем машинного перевода и качества машинного перевода.
В современном информационном обществе растущая роль компьютерных технологий неоспорима. Автоматизация проникла в большинство сфер науки и техники, не исключая и гуманитарные науки. При помощи технологий ученые пытаются решить проблемы, которые долгое время считались подвластными лишь человеку. Однако, машины и искусственный интеллект (ИИ) заняли место человека не только в промышленности и в области обработки огромных объемов информации, но и в таких сферах как, например, медицина и сельское хозяйство. Более того, технология ИИ продолжает активно развиваться и сегодня существуют ИИ, которые без труда проходят тест Тьюринга.1
Среди сфер применения ИИ находятся в том числе лингвистика и переводоведение. Компьютерная лингвистика - область языкознания, которая занимается автоматическим анализом естественного языка. На сегодняшний день это молодое направление является самым развивающимся в сфере языкознания. В рамках этого направления разрабатываются системы распознавания устной речи, голосового ввода и поиска информации, а также развиваются системы машинного (автоматического) перевода.
Считается, что машинный перевод не сравним по качеству с переводом, выполняемым людьми. В данной работе мы попытаемся понять так ли это на самом деле, на какой стадии развития находится машинный перевод в настоящее время и какие перспективы его дальнейшего развития.
Существуют множество современных систем машинного перевода, однако Google Переводчик является одной из самых популярных и доступных систем на сегодняшний день, он демонстрирует впечатляющие результаты по качеству и скорости перевода, что объясняет актуальность данной работы. Google Переводчик является одной из первых систем нейронного машинного перевода.
Новизна данного исследования состоит в рассмотрении малоизученных аспектов активно развивающихся систем нейронного машинного перевода.
Таким образом, темой данной работы является оценка качества машинного перевода на примере веб-сервиса Google Переводчик.
Цель данной работы заключается в выявлении особенностей современных систем машинного перевода и оценке качества машинного перевода.
Цель определила следующие задачи:
1. Рассмотреть историю развития систем автоматического перевода;
2. Рассмотреть особенности функционирования современных систем машинного перевода и их классификацию;
3. Изучить методы оценки качества машинного перевода;
4. Выявить достоинства и недостатки перевода, выполненные службой Google Переводчик;
5. Изучить влияние систем машинного перевода на современную переводческую деятельность.
Объектом исследования является машинный перевод.
Предметом исследования является анализ и оценка качества машинного перевода, осуществляемого веб-службой Google Переводчик.
В работе используются следующие методы: анализ теоретической литературы по изучаемой проблеме, сравнительно-сопоставительный анализ.
В качестве материала для анализа были выбраны статьи с официального новостного сайта ООН (https://news.un.org): две статьи на французском языке для перевода на русский, две статьи на русском языке для перевода на французский, одна статья на французском языке для перевода на английский и одна статья на английском языке для перевода на французский.
В данной дипломной работе мы опирались на труды как лингвистов (В.С. Виноградов, В.Н. Комиссаров, Ю.Н. Марчук, В.Г. Гак ), так и ученых, работающих над разработкой систем машинного перевода (F. Och , Y. Wu , M. Schuster).
...
В современном информационном обществе растущая роль компьютерных технологий неоспорима. Автоматизация проникла в большинство сфер науки и техники, не исключая и гуманитарные науки. При помощи технологий ученые пытаются решить проблемы, которые долгое время считались подвластными лишь человеку. Однако, машины и искусственный интеллект (ИИ) заняли место человека не только в промышленности и в области обработки огромных объемов информации, но и в таких сферах как, например, медицина и сельское хозяйство. Более того, технология ИИ продолжает активно развиваться и сегодня существуют ИИ, которые без труда проходят тест Тьюринга.1
Среди сфер применения ИИ находятся в том числе лингвистика и переводоведение. Компьютерная лингвистика - область языкознания, которая занимается автоматическим анализом естественного языка. На сегодняшний день это молодое направление является самым развивающимся в сфере языкознания. В рамках этого направления разрабатываются системы распознавания устной речи, голосового ввода и поиска информации, а также развиваются системы машинного (автоматического) перевода.
Считается, что машинный перевод не сравним по качеству с переводом, выполняемым людьми. В данной работе мы попытаемся понять так ли это на самом деле, на какой стадии развития находится машинный перевод в настоящее время и какие перспективы его дальнейшего развития.
Существуют множество современных систем машинного перевода, однако Google Переводчик является одной из самых популярных и доступных систем на сегодняшний день, он демонстрирует впечатляющие результаты по качеству и скорости перевода, что объясняет актуальность данной работы. Google Переводчик является одной из первых систем нейронного машинного перевода.
Новизна данного исследования состоит в рассмотрении малоизученных аспектов активно развивающихся систем нейронного машинного перевода.
Таким образом, темой данной работы является оценка качества машинного перевода на примере веб-сервиса Google Переводчик.
Цель данной работы заключается в выявлении особенностей современных систем машинного перевода и оценке качества машинного перевода.
Цель определила следующие задачи:
1. Рассмотреть историю развития систем автоматического перевода;
2. Рассмотреть особенности функционирования современных систем машинного перевода и их классификацию;
3. Изучить методы оценки качества машинного перевода;
4. Выявить достоинства и недостатки перевода, выполненные службой Google Переводчик;
5. Изучить влияние систем машинного перевода на современную переводческую деятельность.
Объектом исследования является машинный перевод.
Предметом исследования является анализ и оценка качества машинного перевода, осуществляемого веб-службой Google Переводчик.
В работе используются следующие методы: анализ теоретической литературы по изучаемой проблеме, сравнительно-сопоставительный анализ.
В качестве материала для анализа были выбраны статьи с официального новостного сайта ООН (https://news.un.org): две статьи на французском языке для перевода на русский, две статьи на русском языке для перевода на французский, одна статья на французском языке для перевода на английский и одна статья на английском языке для перевода на французский.
В данной дипломной работе мы опирались на труды как лингвистов (В.С. Виноградов, В.Н. Комиссаров, Ю.Н. Марчук, В.Г. Гак ), так и ученых, работающих над разработкой систем машинного перевода (F. Och , Y. Wu , M. Schuster).
...
В рамках решения первой задачи в данной работе была рассмотрена история развития систем машинного перевода. В СССР работы по созданию переводных устройств начались еще в 1933 году. Эта область получила бурное развитие с появлением первых ЭВМ, а также в 70-80 годах. Развитие сети Интернет сделало возможным дальнейшее развитие систем машинного перевода. Появляются новые технологии, основанные на использовании статистических методов и нейронных сетей.
В рамках работы над второй задачей был рассмотрен термин «машинный перевод», а также выделены существующие методы функционирования современных систем машинного перевода (МП на основе правил; МП на основе примеров; статистический МП; нейронный МП).
Кроме того, в настоящей работе была рассмотрена классификация систем МП и были разграничены понятия «автоматизированный перевод» и «машинный перевод».
В рамках третьей задачи были изучены методы оценки качества машинного перевода, среди которых были рассмотрены автоматическая оценка МП и оценка МП, выполняемая человеком.
В данной работе также были рассмотрены термины «эквивалентность», «адекватность», «буквальный перевод». Были приведены классификации переводческих и речевых ошибок. В настоящей работе анализ качества перевода проводится по методике выявления и квалификации переводческих ошибок. Для оценивания были выбраны следующие критерии: лексикосемантические ошибки, синтаксические ошибки, морфологические ошибки и стилистические ошибки. Наряду с этими критериями рассматривается также удачные решения в переводе, эквивалентность оригиналу и адекватность переведенного текста.
При работе над четвертой задачей был проанализирован перевод шести статей для двух пар языков: французский-русский, французский-английский.
По итогам анализа машинного перевода статей были сделаны следующие выводы. Во-первых, были выявлены недостатки системы машинного перевода:
1. Дословный перевод;
2. Непредсказуемость в принятии решений и выборе эквивалентов;
3. Системы МП не учитывают контекст за рамками одного предложения.
Помимо этого, были рассмотрены следующие достоинства машинного перевода:
1. Скорость перевода;
2. Доступность;
3. Высокий уровень эквивалентности на уровне цели коммуникации.
Перевод понятен, соблюдается эквивалентность перевода на уровне цели коммуникации, не было выявлено серьезного искажения смысла.
Стоит отметить, что для каждого языка наблюдаются свои особенности. Так, например, качество перевода для языковой пары французский-русский значительно ниже, чем для языковой пары английский-французский. Это объясняется как особенностями русского языка (например, свободный порядок слов), которые вызывают трудности при переводе, так и схожестью структуры английского и французского языков.
Кроме того, важно учитывать, что для машинного переводчика существуют различные ограничения. Например, наличие в тексте оригинала слов на языке, отличном от заданного, затрудняет перевод - такие слова остаются не переведенными. Еще одним ограничением для систем машинного перевода являются редкие слова, например, имена людей.
Наконец, в рамках решения заключительной задачи установлено, что с
введением систем нейронного машинного перевода качество машинного перевода значительно возросло. Благодаря таким системам, машинный перевод стал более «естественным», снизилось количество ошибок, что ведет к сокращению времени, требуемого для постредактирования текста и исправления ошибок. Такой перевод вызывает большего доверия и в будущем переводчики и обычные пользователи все чаще будут прибегать к автоматическому переводу.
По итогам исследования была достигнута его цель, а именно были выявлены особенности машинного перевода и современных систем машинного перевода.
Результаты данного исследования могут мотивировать новые исследования в области разработок систем МП, например, с целью устранения существующих недостатков подобных систем.
Дальнейшее исследование данной темы способно популяризовать работу в данном направлении в научном сообществе, оно потенциально позволит наверстать упущенное в области разработок систем машинного перевода в России и повысить регулярность проведения исследований в сфере компьютерной лингвистики.
В рамках работы над второй задачей был рассмотрен термин «машинный перевод», а также выделены существующие методы функционирования современных систем машинного перевода (МП на основе правил; МП на основе примеров; статистический МП; нейронный МП).
Кроме того, в настоящей работе была рассмотрена классификация систем МП и были разграничены понятия «автоматизированный перевод» и «машинный перевод».
В рамках третьей задачи были изучены методы оценки качества машинного перевода, среди которых были рассмотрены автоматическая оценка МП и оценка МП, выполняемая человеком.
В данной работе также были рассмотрены термины «эквивалентность», «адекватность», «буквальный перевод». Были приведены классификации переводческих и речевых ошибок. В настоящей работе анализ качества перевода проводится по методике выявления и квалификации переводческих ошибок. Для оценивания были выбраны следующие критерии: лексикосемантические ошибки, синтаксические ошибки, морфологические ошибки и стилистические ошибки. Наряду с этими критериями рассматривается также удачные решения в переводе, эквивалентность оригиналу и адекватность переведенного текста.
При работе над четвертой задачей был проанализирован перевод шести статей для двух пар языков: французский-русский, французский-английский.
По итогам анализа машинного перевода статей были сделаны следующие выводы. Во-первых, были выявлены недостатки системы машинного перевода:
1. Дословный перевод;
2. Непредсказуемость в принятии решений и выборе эквивалентов;
3. Системы МП не учитывают контекст за рамками одного предложения.
Помимо этого, были рассмотрены следующие достоинства машинного перевода:
1. Скорость перевода;
2. Доступность;
3. Высокий уровень эквивалентности на уровне цели коммуникации.
Перевод понятен, соблюдается эквивалентность перевода на уровне цели коммуникации, не было выявлено серьезного искажения смысла.
Стоит отметить, что для каждого языка наблюдаются свои особенности. Так, например, качество перевода для языковой пары французский-русский значительно ниже, чем для языковой пары английский-французский. Это объясняется как особенностями русского языка (например, свободный порядок слов), которые вызывают трудности при переводе, так и схожестью структуры английского и французского языков.
Кроме того, важно учитывать, что для машинного переводчика существуют различные ограничения. Например, наличие в тексте оригинала слов на языке, отличном от заданного, затрудняет перевод - такие слова остаются не переведенными. Еще одним ограничением для систем машинного перевода являются редкие слова, например, имена людей.
Наконец, в рамках решения заключительной задачи установлено, что с
введением систем нейронного машинного перевода качество машинного перевода значительно возросло. Благодаря таким системам, машинный перевод стал более «естественным», снизилось количество ошибок, что ведет к сокращению времени, требуемого для постредактирования текста и исправления ошибок. Такой перевод вызывает большего доверия и в будущем переводчики и обычные пользователи все чаще будут прибегать к автоматическому переводу.
По итогам исследования была достигнута его цель, а именно были выявлены особенности машинного перевода и современных систем машинного перевода.
Результаты данного исследования могут мотивировать новые исследования в области разработок систем МП, например, с целью устранения существующих недостатков подобных систем.
Дальнейшее исследование данной темы способно популяризовать работу в данном направлении в научном сообществе, оно потенциально позволит наверстать упущенное в области разработок систем машинного перевода в России и повысить регулярность проведения исследований в сфере компьютерной лингвистики.
Подобные работы
- Применение методов анализа данных для задачи классификации русско- и англоязычных литературных текстов (в среде R)
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 4930 р. Год сдачи: 2017