Загальна характеристика особливих типів корпусів.

Паралельні корпуси можна розділити на два основних типи:

1 ) корпуси , що представляють безліч тек ¬ стів - оригіналів , написаних на якому-небудь вихідному мовою , і текстів - перекладів цих вихідних текстів на один або декілька інших мов;

2 ) корпуси , що поєднують тексти з однієї і тієї ж тематичної області , незалежно написані на двох або декількох мовах.

І ті , й інші корпуси створюються і використовуються для порівняльних досліджень мов ( в області лексикології , граматики , стилістики , перекладознавства і т.д.) , а також з метою розробки ефективних методів перекладу , в тому числі , машинного .

При підготовці парал ¬ лельно корпусів текстів першого типу і розробці пакетів програм для їх обробки виникає проблема , яка полягає у встановленні відповідностей між текстом оригіналу і його перекладами [ 2 ] . Для вирішення цього завдання використовується так званий метод автоматичного ви ¬ равніванія ( alignment ) текстів. Суть цього методу полягає в паралельній сегмен ¬ тації оригінального тексту і його перекладу за пропозиціями , Клаузена ( граматичним конструкціям ) , словосполученнями і словами . При вирівнюванні на рівні пропозицій можуть використовуватися , як це описано в підручнику А.В. Зубова і І.І. Зубової [ 17 ] , шість можливих відповідностей між пропозиціями обох текстів .

1 ) одне вихідне пропозицію перекладається одним реченням ;

2 ) два вихідних пропозиції переводяться одним пропози ¬ ням ;

3 ) одне вихідне пропозицію перекладається двома пропозиціями ;

4 ) два вихідних пропозиції переводяться двома пропозиції ¬ ми , але внутрішні кордони цих пропозицій у тексті оригіна ¬ ла і тексті перекладу не збігаються;

5 ) пропозиція вихідного тексту не перекладається ;

6 ) пропозиція в тексті перекладу не має еквівалента в тек ¬ сте оригіналу.

Теоретично обгрунтованим при вирішенні даної проблеми може бути використання техноло ¬ гий систем машинного перекладу з мовою -посередником або універсальн ¬ вим мовою [ 2 ] .

На практиці існують різні програми вирівнювання , які автоматично зіставляють тексти на основі збігу відносних довжин пропозицій , поділу тексту на абзаци , аналізу знаків пунктуації , зовнішнього словника та інших факторів. Найчастіше ці програми використовуються в людино- машинному варіанті, з постредагуванні результатів автоматичного вирівнювання.

Парал ¬ лельно корпуси текстів дозволяють отримати великий обсяг інформації. З їх допомогою можна :

• будувати двомовні і багатомовні перекладні словники;

• створювати та поповнювати словники для систем машинного перекладу;

• усувати полисемию лексичних одиниць шляхом використання комп'ютером контекстного оточення багатозначного слова , що перевищує по довжині пропозицію ;

• переводити термінологічні та фразеологічні одиниці тексту ;

• здійснювати повністю автоматичний переклад в рамках нових систем машинного перекладу , званих системами з перекладацькою пам'яттю , шляхом накопичення в пам'яті комп'ютера корпусів вихідних текстів та їх перекладів , вирівняних між собою на різних рівнях.

У процесі перекладу така система намагається відшукати перекладне пропозицію або його фрагмент в масиві вихідних паралельних текстів. Якщо воно знайдено у вихідному масиві текстів - оригіналів , то система вибирає переклад такої пропозиції або його частини в масиві перекладених текстів [ 17 ] .

При дослідженні паралельних корпусів , в тому числі корпусів другого типу , можуть успішно застосовуватися інструменти автоматичної класифікації лексики. Автоматична класифікація лексики є однією з ключових процедур автоматичного розуміння текстів . Вона здійснюється в рамках формалізації структури тексту і кількісної оцінки семантичних зв'язків між елементами тексту (словами , представленими лемами і словоформами ) . Порівняльний аналіз количест ¬ ських даних про вживання слів , про ступінь їх семантичної близькості допомагає встановлювати розподіл лексичних одиниць різних мов всередині лексико- семантичних та тематичних груп . Інформація про співвідношення елементів кластерів , отримана при паралельній обробці текстів оригіналу і перекладу в паралельних корпусах другого типу , має високу цінність у визначенні адекватності перекладу і при проведенні контрастивної досліджень . Застосування модулів автоматичної класифікації лексики підвищує ефективність пошуку в паралельних корпусах , дозволяє витягувати дані для поповнення та коригування багатомовних словників , для перевірки якості роботи систем машинного перекладу та їх навчання

Система автоматичного перекладу тексту може бути заснована на розширених морфологічних союзах між двома мовами з використанням простих правил для вибору відповідних граматичних пар. Наприклад , в паралельному російсько- словацькому корпусі текстів зняття семантичної і морфологічної омонімії проводиться із застосуванням ланцюга Маркова першого або другого порядку , яка тренована на великому одномовному корпусі. Генетичні подібності між лексичними системами російського і словацької мов можна використовувати також для збільшення якості перекладу за допомогою схеми транслітерації відсутніх у словнику слів .

Системи перекладацької пам'яті можуть бути використані творчо для більшої автоматизації процесу перекладу , що не залежить від конкретних мов. Система машинного перекладу грунтується на застосуванні синтаксичного подібності між більш-менш спорідненими природними мовами . Зокрема , це стосується таких мов, як чеська і словацька .

Паралельні корпуси часто створюються на основі текстів , що використовуються в багатомовних спільнотах , таких як Організація Об'єднаних Націй , в країнах Європейського Союзу і в офіційно двомовних країнах , таких як Канада .