Sumar: Sumar: Traducere Automatizată ≠ Traducere Automată

Sumar:

• Sumar:

• Traducere Automatizată ≠ Traducere Automată

• Traducerea automată este complexă, dar este doar o aproximare a traducerii umane

• Cum funcționează traducerea statistică?

• Totul este despre DATE!

Traducerea nu poate fi calculată cu o formulă exactă (oricât de complicată ar fi ea)

• Traducerea nu poate fi calculată cu o formulă exactă (oricât de complicată ar fi ea)

• Un cuvânt/o propoziție poate însemna mai multe lucruri
• Mai multe moduri de a spune același lucru
• Înțelesul depinde de context
• Limbaj literal și figurativ (metafore)
• Limbă și cultură (moduri diferite de a conceptualiza același lucru)
• Ambiguitate lexicală, sintactico-semantică, …

• S-au încercat: traducere automată bazată pe teorii și

• gramatici formale (conținând câteva reguli în anii ’50 până la zeci de mii de reguli în anii ‘80)

• Cum procedăm?

• Învățare Automată (după anii ’90)

• Învață din date  datele sunt esențiale
• Soluție aproximativă  imperfectă,
• necesită îmbunătățiri
• Post-editare de către traducători profesioniști

Traducerea automată statistică = date

• Traducerea automată statistică = date

• Învață să traducă din date

• Date

• Traduceri (texte paralele în limba sursă  țintă)
• Date monolingve (în limba țintă)
• Dicționare, terminologii, ontologii, entități denumite, liste de abreviații, etc.

• Traducerea automată statistică este performantă pe texte din domeniul din care a învățat

Ce propoziții din limba sursă corespund propozițiilor în limba țintă : aliniere la nivel de propoziție

• Ce propoziții din limba sursă corespund propozițiilor în limba țintă : aliniere la nivel de propoziție

Ce propoziții din limba sursă corespund propozițiilor în limba țintă : aliniere la nivel de propoziție

• Ce propoziții din limba sursă corespund propozițiilor în limba țintă : aliniere la nivel de propoziție

• Mult mai bună ca traducerea statistică simplă!

• Tehnologie standard: Google, Microsoft, Baidu, SDL, Asia-Online etc.

• Moses Open Source PB-SMT

• Cel mai răspândit sistem PB-SMT

• Cercetarea finanțată de Comisia Europeană

• Folosită de centrul comisiei DGT MT@EC

Refolosirea datelor existente (traduceri umane, memorii de traducere, dicționare și terminologii multilingve, etc.) este cel mai bun mijloc de a îmbunătăți calitatea traducerii automate

• Refolosirea datelor existente (traduceri umane, memorii de traducere, dicționare și terminologii multilingve, etc.) este cel mai bun mijloc de a îmbunătăți calitatea traducerii automate

• Nu subestimați valoarea resurselor lingvistice pe care le aveți sau le veți crea în activitatea dumneavoastră

• Previzionați (dacă nu ați făcut-o deja) un plan de management al resurselor!

• ELRC are nevoie de implicarea noastră pentru a face, și pentru limba română, din CEF.AT un success

• Împreună vom reuși să obținem datele potrivite