Сравнительный анализ систем машинного перевода и онлайн-переводчиков Гугл и Яндекс
ВВЕДЕНИЕ
С информационным взрывом и глобализацией всех видов коммерческой деятельности мир остро нуждается в компетентных переводчиках. Столкнувшись с огромными объемами документов, составленными или переводимыми на все большее количество разных языков, люди приходят к выводу о необходимости в использовании машинных ресурсов для перевода, так как его значительная часть является механической, рутинной и подавляющей воображение работой. Все виды машинного перевода неизбежно становятся глобальной индустрией в этой сфере.
Информационные технологии в настоящее время являются неотъемлемой частью любой сферы профессиональной деятельности, в том числе лингвистики. И если когда-то использование компьютеров и соответствующих программ в лингвистических исследованиях, переводе и в обучении языку не являлось обязательным, то сегодня уже со студенческой скамьи будущим преподавателям иностранных языков, переводчикам и лингвистам-исследователям необходимы компетенции, связанные с использованием информационных технологий в своей профессиональной сфере деятельности.
Термин машинный перевод понимается, по крайней мере, в двух смыслах. Машинный перевод в узком смысле – это процесс перевода некоторого текста с одного естественного языка на другой, реализуемый компьютером полностью или почти полностью. В ходе данного процесса на вход машины подается текст, словесная часть которого не сопровождается никакими дополнительными указаниями, а на выходе получается текст на другом языке, являющийся переводом входного, причем преобразование входного текста в выходной происходит без вмешательства человека (иногда допускается постредактирование).
Машинный перевод в широком смысле – это область научных исследований, находящаяся на стыке лингвистики, математики, кибернетики, и имеющая целью построение систем, реализующих машинный перевод в узком смысле. Так, с помощью машинный перевод возник новый способ передачи информации и самого процесса перевода, который обычно проходит скрыто и не проанализирован в деталях.
СПИСОК ЛИТЕРАТУРЫ
1. Аматов А. М. К вопросу машинного перевода: энтропия языковой системы и способы ее преодоления // Вестник ЛГУ им. А.С. Пушкина.2008. No2 (13) С.71-90.
2. Беляева Л. Н. Лингвистические автоматы в современных гуманитарныхтехнологиях: Учебное пособие. СПб, 2007.
3. Борисова И. А. К опыту постредактирования на материале англо-русского перевода с помощью автоматических систем Google translate и Prompt // Вестник МГЛУ. 2014. No13 (699) С.53-59.
4. Борисова И. А. Коммуникация между интернет-пользователями – носителями различных языков // Вестник МГЛУ. 2013. No13 (673) С.28-34.
5. Воронович В. В. Машинный перевод. Конспект лекций для студентов 5-го курса специальности «Современные иностранные языки». Минск, 2013 - 39 с.
6. Карасев И. В., Артюшина Е. А. Системы машинного перевода // Успехисовременного естествознания. 2011, No7, С.117-118.
7. Максименко О. И., Чинина Д. С. Обзор системы машинного перевода «Google Переводчик» (на примере финского языка). // Science Time,2014, No5 (5), С.133-139.
8. Новожилова А. А. Машинные системы перевода: качество ивозможности использования // Вестник ВолГУ. Серия 2: Языкознание.2014. No3 С.67-73
9. Семенов А.Л. Современные информационные технологии и перевод. М., 2008.
10. Степанова Д.В. Лингвистические аспекты перевода на русский язык английских терминологических словосочетаний с использованием корпуса параллельных текстов. Мн., 2007.
11. Федоров А. В. Основы общей теории перевода (лингвистические проблемы). М., 2002.
12. Фролов С. В., Паньков Д. А. Проблемы построения машинного перевода. Тамбов, 2008.
13. Шевчук, В. Н. Информационные технологии в переводе. Электронныересурсы переводчика. М., 2013.
14. Koponen M., Salmi L. On the correctness of machine translation: A machinetranslation post-editing task. // The Journal of Specialised Translation, 2015,No 23, P. 118—136.
15. Lembersky G., Ordan N., Wintner S. Improving statistical machinetranslation by adapting translation models to translationese. // ComputationalLinguistics, 2013, No39(4), P. 999—1023.
16. Silva J., Rodrigues J., Gomes L., Branco A. Bootstrapping a hybrid deep MTsystem. Lisbon, 2015.
17. Twitto-Shmuel, N., Ordan, N., Wintner, S. Statistical machine translationwith automatic identification of translationese. // Proceedings of WMT-2015, 2015.
18. Zhechev V., Genabith V. Seeding Statistical Machine Translation withTranslation Memory Output through Tree-Based Structural Alignment. //Proceedings of the 4th Workshop on Syntax and Structure in Statistical Translation, Beijing, China, 2010, P. 43—51.
