تعاونی نیرومندسازی تحقیقات جامع ترین مرجع دانلود تحقیق، مقاله، سمینار و پایان نامه
فعالیت و کار ترجمه سابقة بسیار طولانی دارد. بعضیها معتقدند که اولین کاری که بشر کرده ترجمه است؛ اگر ترجمه را به معنی برگرداندن فرض کنیم کلام در واقع برگردان اندیشه است. این اولین قدمی است که بشر برای ترجمه برداشته است. در واقع یکی از استراتژیهای ترجمه، از هر زبانی که بخواهید ترجمه کنید، به هدف و نوع متنی که ترجمه میکنید بستگي دارد. مثلاً متن تبلیغاتي با متنی که قرار است در یک صفحة اینترنت درج شود و یا با متن ادبی و اخبار سیاسی متفاوت است. چرا که مخاطبها و دوره های مختلف تاریخی توقعات مختلفی از متنها به وجود میآورند. [3]
ترجمه ماشینی
ترجمه ماشینی ترجمه‌ای است که توسط کامپیوتر و بدون دخالت فرد انجام میشود. ترجمه ی ماشینی(Machine Translation – MT) زیر شاخه ای از زبانشناسی محاسباتی می‌باشد که عبارت است از ترجمه ی متنی از یک زبان طبیعی به زبانی دیگر، توسط کامپیوتر. در سطح مقدماتی، ترجمه ماشینی یک جایگزینی ساده برای کلمات از زبان طبیعی به زبان دیگری است. با استفاده از تکنیک‌های زبانشناسی پیکره ای، ترجمه‌های پیچیده بیشتری قابل دستیابی هستند. همچنین این تکنیک‌ها کنترل بهتر تفاوت های گونه‌شناسی در زبان، تشخیص عبارات و ترجمه ی اصطلاحات را به خوبی و درستی جدا کردن عبارات نامتعارف در متن، مقدور میسازند.
نخستین تلاش‌ها برای ترجمه توسط رایانه ناموفق بودند، چرا که در آن دوران نظریه¬ی زبانشناسی وجود نداشت که بتواند کمک شایانی به پردازش زبان‌ها بکند. در سال ۱۹۵۷ کتاب ساختارهای نحوی اثر نوام چامسکی زبان‌شناس جوان آمریکایی که از آن پس به شناخته‌شده‌ترین چهره¬ی زبانشناسی نظری تبدیل شد به چاپ رسید. از آن پس پردازش زبان با حرکت‌های تازه‌ای دنبال شد. [4]
نرم‌افزارهای ترجمه ماشینی کنونی اغلب به کاربر اجازه ی تغییر دلخواه بر اساس حوزه کاری یا حرفه ای دلخواه را می دهند. در واقع ارتقای کیفیت خروجی با استفاده از محدود کردن کلمات جایگزین شونده، انجام میشود. این تکنیک بطور خاص در حوزه ی رسمی یا زبان های فرموله شده استفاده می شود. همچنین کیفیت خروجی بهبود یافته می تواند با استفاده از دخالت انسان بدست آید. برای مثال سیستم هایی موجودند که اگر کاربر بطور کاملا واضحی کلماتی که اسامی خاص هستند را معین کرده باشد، قادر به ترجمه دقیقتری هستند. با ¬¬کمک گرفتن از این تکنیک‌ها ترجمه ماشینی بعنوان یک ابزار برای کمک کردن به مترجمان(انسان ها) و بسیاری از موضوع های محدود، قادر به تولید خروجی قابل استفاده و نهایی است.
براي اينكه بتوان جمله اي را از يك زبان ترجمه و به زبان ديگري تبديل نمود، ابتدا به يك روال تشخيص واژه ها يا واكافت واژه اي و واكافت ساختواژي نياز مي باشد، به طوري كه كلمات ساده و مركب آن زبان از ورودي تشخيص داده شود. سپس بايد تركيب كلمات از نظر نحوي صحيح باشد و جمله متعلق به آن زبان را ايجاد نمايد. حال براي اينكه اين جمله به زبان ديگري برگردان شود، بايد نقش و معناي هر كلمه مشخص و با توجه به دستور زبان مقصد و ترجمه كلمه با توجه به نقش آن، جمله زبان مقصد توليد شود. بنابراين ديده مي شود كه مهمترين بخش، مشخص كردن نقش و معناي كلمات مي باشد نقش كلمات با توجه به محل قرار گرفتن آن در جمله مشخص مي گردد، اما مسئله مهم معني كلمات مي باشد؛ چرا كه تعدادي از كلمات داراي چند معني مي باشد كه اين ابهام بايد به روش مناسبي رفع گردد ( مانينگ و شوتس، 2000 ). در ترجمه ماشيني ابهام هم در معناي كلمات زبان مبدا وجود دارد ( از نظر درك معني آن ) و هم در زبان مقصد و همين باعث مي گردد روند ترجمه دچار مشكل شود.
با این وجود به طور کلی در ترجمه¬ی ماشینی ویژگیهایی وجود دارد که نه تنها از نظر جاذبه و کشش علمی، بلکه، از دیدگاه اقتصادی و دیگر ضرورت‌ها و اقتضاهای عصر، انجام آن را کاملاً توجیه می‌کند.
فرآیند ترجمه
فرآیند ترجمه به شرح زیر است:
1. رمزگشایی معنایی متن مبدا
2. کدگذاری دوباره این معنا در زبان مقصد
در پس این فرآیند بظاهر آسان، عملیات شناختی پیچیده ای واقع است. به منظور رمز گشایی معنای متن مبدا، مترجم باید قابلیت تفسیر و تجزیه تحلیل تمام ویژگی‌های متن را داشته باشد. یک فرآیند که احتیاج به دانش عمیقی از دستور زبان ، جمله‌شناسی(نحو)، معناشناسی و اصطلاحات از زبان مرجع دارد به همان اندازه باید دانش مربوط به فرهنگ صحبت کنندگان آن زبان را نیز داشته باشد. از آن جهت، چالشی در ترجمه ماشینی وجود دارد که چگونه یک کامپیوتر را برنامه نویسی کنیم که بتواند همانند یک انسان متنی را بفهمد و بتواند یک متن جدید در زبان مقصد بسازد که بنظر می رسد توسط انسان نوشته شده است. این مساله ممکن است به روشهای مختلفی حل شود.
انگيزه ترجمه ماشينی
در طول چند دهه اخير و همزمان با گسترش و پيشرفت زبانشناسی محاسباتی ، در بسياری از كشورهای پيشرفته، تلاشهای همه‌جانبه و پيگير در جهت ترجمه متون به کمک كامپيوتر انجام گرفته است. با توجه به تنگناها و مسائل خاص مطرح در زمينه ترجمه ماشينی و علی رغم کاستی ها، حاصل اين فعاليتها درخور توجه بوده است. توسعه ارتباطات از طريق اينترنت نيز که بصورت يک بستر جهانی برای مبادله افکار و اطلاعات درآمده است خود مستلزم توسعه ماشين های ترجمه می باشد تا با سرعت بتوان اطلاعات را از يک زبان به زبان ديگر برگرداند.
رشد جالب توجه شبکه‌های اجتماعی،همانند فیس بوک یا پیام‌رسان‌های فوری همانند اسکایپ(Skype)،گوگل تاک(Google Talk) و ام اس ان مسنجر(MSN Messenger)، در سالهای اخیر، مورد استفاده ی دیگری برای نرم‌افزارهای ترجمه ماشینی شده است. چراکه بدین وسیله کابران به زبانهای مختلف میتوانند با یکدیگر ارتباط برقرار کنند.
نرم‌افزارهای ترجمه ماشینی همچنین برای بسیاری از موبایلها، کامپیوترهای جیبی و .. عرضه شده است. بخاطر قابلیت حمل آنها، اینگونه وسایل بعنوان ابزارهای ترجمه برای موبایل مشخص شده اند که شبکه تجارتی با استفاده از موبایل را بین شرکایی با زبانهای مختلف ممکن ساخته است.همچنین این نرم‌افزارها نیاز به مترجم انسان بعنوان واسطی در مکالمات دوطرف را از بین می برند.
تاريخچه ترجمه ماشينی
ترجمه ی ماشینی از جمله ی اولین اهداف مورد نظر در علوم رایانه و بخصوص در حوزه ی هوش ماشینی به حساب می‌آید و سابقه¬ی آن به حدود نیم قرن پیش از این باز می‌گردد.
نخستین ترجمه‌ای که بطور کامل توسط کامپیوتر انجام شد، ترجمه ی متنی بود از زبان انگلیسی به زبان روسی. گر چه از آن زمان تا کنون فن آوری ترجمه¬ی ماشینی رشد زیادی داشته‌است، هنوز هم نقص‌های فراوانی را داراست. اصولا چون کامپیوترها نمی‌توانند مانند انسان هوشمند باشند، ترجمه‌ای هم که توسط آنها انجام شود، ترجمه¬ی کاملی نخواهد بود. نمی‌توان انتظار داشت که با استفاده از یک نرم‌افزار مترجم، هر متنی به آسانی ترجمه شود. نرم‌افزارهای مترجم، در بهترین حالت، عمل ترجمه را با دقتی در حدود ۷۰ درصد انجام می‌دهند. برای به دست آوردن نتیجه بهتر، لازم است قبل و بعد از ترجمه، مقداری ویرایش روی متن انجام شود. در این متن تاریخچه روند پیشرفت ترجمه ماشینی در طی گذر زمان ذکر نخواهد گردید و فقط ایده ها و نتایج تحقیقاتی آنها در بخش های مختلف ذکر خواهد گردید.
مشکلات در ترجمه ماشينی
قبل از تعريف ترجمه ماشينی، لازم است از ديدگاه زبانشناسی، ماهيت ترجمه را در مفهوم عام آن يعنی ترجمه توسط شخص متخصص و زبان¬دان و به اصطلاح ترجمه انسانی معرفی كنيم. با آنكه ترجمه سابقه بسيار طولانی دارد هنوز تعريفی از آن که مورد قبول همگان باشد وجود ندارد. در حالت کلی ترجمه عبارتست از تبديل يا برگرداندن نزديك‌ترين پيام مستتر در صورت واژه‌های زبان مبدأ به صورت زبان مقصد. ترجمه ماشينی به سيستم های نرم‌افزار کامپيوتری اطلاق میشود كه با آنها میتوان متون ورودی به زبان مبدأ را طی فرايندهای خاصی و در سطوح مختلف زبان‌شناختی تجزيه و تحليل نموده ودر نهايت به زبان مقصد ترجمه نمود. در طراحی سيستمهای ترجمه ماشينی بايستی تمهيداتی انديشيده شده و در معماری آن مؤلفه‌هايی لحاظ گردد که سيستم را قادر سازد تا تقريبا همانند يک انسان مترجم کار تجزيه و تحليل‌های زبان‌شناختی متن ورودی را انجام داده و با بهره‌گيری از داده‌ها و براساس يافته‌ها، معادل جملات زبان مبدأ را در زبان مقصد توليد كند. انجام اين عمل مستلزم آن است كه سيستم علاوه بر برنامه رايانه‌ای متشكل از مجموعه الگوريتم‌های خاص و پيچيده، مجموعه فرهنگهای لغات و پايگاه های داده حاوی واژگان و قواعد ساختاری و معنا شناختی زبانهای مبدأ و مقصد باشد. اگر بتوان ادعا كرد كه امكان تدوين فرهنگ قواعد ساختاری يا واژگان دستوری نسبتاً كامل فراهم باشد، مختصه و ويژگی زبان به گونه‌ای است كه درهيچ مقطعی نمی‌توان فرهنگ مناسبی را يافت كه دربر دارنده همه واژه‌های آن زبان باشد زيرا زبان پديده زايايی است و مرتب واژه‌های جديدی خلق شده و به مجموعه واژگان آن زبان افزوده می شوند.
در حالت کلی نوع متن مورد نظر و ميزان پيچيدگی آن در بازدهی کار ترجمه كاملا موثر است. ترجمه ی متون رسمی و قاعده مند و همچنین متون علمی به این علت که از وضوح بیشتر و ابهام کمتری برخوردارند به سهولت از طریق کامپیوتر انجام می‌گیرد، ولی ترجمه متون ادبی که از دیدگاه علمی در حیطه ترجمه فرهنگی قرار دارد، اگر غیر ممکن نباشد، چندان ساده نخواهد بود.
نقش ترجمه ماشینی در آینده شغلی مترجمان
رشد و گسترش انکار ناپذیر ترجمه های ماشینی در سال های اخیر، به میزان قابل توجهی بر محبوبیت این گونه ترجمه ها افزوده است، بطوریکه به نظر می رسد آینده ترجمه و فرصت های شغلی مترجمان در سایه ای از ابهام و تردید قرار دارد. به باور بسیاری از متخصصان فن ترجمه ، مولفه هایی که نقش اساسی را در نتیجه نهایی یک ترجمه ایفا می کنند، شامل هزینه، زمان تحویل و کیفیت می شوند. با این حال، ترجمه های ماشینی در شرایط کنونی نه تنها از سرعت بالایی برخوردارند، بلکه بسیار کم هزینه اند و به راحتی در دسترس همگان قرار می گیرند. اما کیفیت ترجمه این گونه نرم افزارها همچنان مسئله ای مشکل ساز و در عین حال پیچیده است.
یکی از مسائلی که ترجمه ماشینی را ازدیگر ترجمه ها متمایز می کند، نداشتن یک نظریه معقول است. این گونه ترجمه ها بر مبنای تئوری و نظریه اصولی بنیان نشده اند و به همین علت جهت گیری و انسجام لازم را در این زمینه ندارند. این در حالی است که هر مترجمی بر اساس باورها و فرضیه های خود متنی را ترجمه و از آن دفاع می کند.
گاهی تفاوت هایی زبانی به قدری نامحسوس است که ماشین ها و نرم افزار های ترجمه نسبت به آن ها بی توجه اند و ظرافت لازم را برای جداسازی شیوه های نوشتاری و ویژگی های ساختاری این زبان ها ندارند، اما مترجمی که از یک زبان به زبان مادری خود ترجمه می کند، قطعا این گونه تفاوت ها و تناقض ها را در می یابد و آن را در نحوه ترجمه خود اعمال می کند.
برخی از متون ارزش ترجمه را ندارند و در نهایت اگر هم ترجمه شوند، چندان موثر و مفید واقع نمی شوند. یک مترجم با یک بررسی هر چند اجمالی قادر است تا متن را ارزیابی کند و بر مبنای ابعاد و جوانب دوراندیشی شروع به ترجمه متن کند. ترجمه ماشینی از این ویژگی بی بهره است و همین هم سبب می شود تا ارزش نهایی برخی از کارها به چشم نیاید.
و اما آینده شغلی مترجمان در بازار کار ترجمه …
این مسئله تا حدود زیادی بستگی به مخاطبان و مشتریان دارد. آن دسته از افرادی که بیش تر به این گرایش دارند تا متنی از یک زبان به زبان دیگر بر گردانده شود و به کیفیت آن بهای چندانی نمی دهند، ترجمه ماشینی را بر می گزینند، اما کسانی هم هستند که کیفیت برایشان حرف اول را می زند و نه کمیت و به همین خاطر ترجمه ماشینی را قابل اعتماد نمی دانند و کار را به مترجمان خبره و با تجربه می سپارند.
این احتمال می رود که در آینده ای نزدیک، مترجمان امروز به عنوان ویرایشگران فردای ترجمه های ماشینی به کار خود ادامه دهند و همین ویرایش متون ترجمه شده نرم افزارها، خود کاری طاقت فرسا و دشوار است که مهارت و دقت عمل بیش تری را می طلبد تا جایی که مترجم های آینده باید وقت بیش تری را صرف اصلاح ترجمه های ماشینی نا منسجم کنند. شاید روزی برسد که مترجمان آرزوی بازگشت آن روزهای خوبی را داشته باشند که تک تک کلمات و جملات متن را از ذهن خود بر روی کاغذ می آوردند و یا با دست خود می نوشتند.
باید منتظر ماند و به آینده امیدوار بود، چرا که زندگی با تغییرات بسیاری آمیخته شده و هر کس که نتواند خود را با تغییرات وفق دهد، یک بازنده واقعی خواهد بود.
اجزای اصلی معماری ماشین های ترجمه
در معماری ماشين های ترجمه سه جزء اصلی وجود دارد. هر جزء نيز به نوبه خود از مجموعه اجزايی تشكيل می شود كه در راستای تحقق نقش آن سه جزء اصلی عمل می كنند. اجزاء فوق در سه سطح قرار دارند که عبارتند از:
الف – واژگانی
ب- صرفی و نحوی
ج- معنايی
بخش واژگانی
نخستين مرحله پردازش در ترجمه ماشينی در سطح واژگان انجام میشود که عبارتست از تجزيه و تحليل مرفولوژيكی واژه‌های واحد تحت ترجمه. در اين مرحله عناصرموجود در سطح واحد ترجمه يك به يك تفكيك، پردازش و مقوله‌گذاری میشوند. بايد با توجه به موارد مشکل آفرين کاری کرد كه ميزان خطا در اين‌سطح به حداقل برسد و راه برای انجام پردازش و تجزيه وتحليل‌های زبان‌شناختی مراحل بعد هموار شود.
بخش صرفی
در اين بخش قواعد صرفی طی چند مرحله اعمال می گردد. ابتدا، پس از اينکه سيستم متن را بر اساس نمادهای قابل خوانش به طور خودکار شناسايی کرد، مرز جمله، گروه، واژه و ساير اجزای نحوی متمايز می شود. در مرحله دوم، متن به واحدهای پردازش تقطيع می شود و سپس اين واحدها به واحدهای واژگانی تقسيم می گردند. در مرحله سوم به طور خودکار مرز واژه ها مشخص می شود. در اين مرحله متن ورودی به صورت يک سلسله علايم پياپی در می آيد. از ترکيب اين علايم واژه ها و جمله ها به دست می آيند. وقتی متن به واحدهای پردازش واژه تقطيع شد تحليل دستوری آغاز می شود. اولين قدم در تحليل دستوری، آزمون هر واژه در جمله و انجام تقطيع های صرفی لازم می باشد. تقطيع صرفی (مثلاً پسوند + پايه) باعث می شود تعداد مدخلهای واژگانی در فرهنگ لغت سيستم کاهش يابد.
بخش نحوی
بخش نحوی در تحليل جملات و سازه های آن در زبان مبدأ و توليد جملات درست در زبان مقصد نقش ايفا می نمايد. سيستمهای ترجمه ماشينی معمولاً مجهز به سه نوع دستور هستند: دستور زبان مبدأ، دستور انتقال ساخت زبان مقصد و دستور زبان مقصد. دستور انتقال از اهميت خاصی برخوردار است زيرا برای يافتن قرينه های دستوری بايد به دستورهای انتقال مراجعه نمود و به اطلاعات راجع به تناظر ساختهای نحوی در دو زبان مبدأ و مقصد دست يافت.
Parser در اصطلاح زبان شناسی محاسباتی به برنامه تجزيه و تحليل نحوی متن گفته می شود. با کمک آن رايانه میتواند عناصر تشكيل دهنده واحد تحت ترجمه را بازشناسی كرده و نقش آنها و روابط درونی و فيمابين آنها و قواعد حاكم بر آنها را تشخيص دهد. در ترجمه ماشينی دستيابی به اطلاعات ياد شده ضروری است زيرا علاوه بر برگردان عناصر معنائی و واژگان، ترجمه ساختار نحوی واحد ترجمه، از زبان مبدأ به مقصد نيز بايد انجام شود. در واقع برگردان قالب و ساختار جمله از زبان مبدأ به زبان مقصد، شرط اساسی ترجمه است. اين امر جز با تجزيه و تحليل گرامری واحد ترجمه ميسر نمی‌شود. شايد مهمترين ركن يک ماشين ترجمه تجزيه و تحليلگر نحوی يا parser باشد
بخش معنايی
زبان اغلب به عنوان نظامی از نشانه ها تعريف می شود و عناصر زبانی مانند واژگان به شيوه ای بر اساس قواعد نحوی در کنار هم ظاهر می شوند که در ترکيب آنها معنای خاصی به ذهن متبادر می شود. مشكل چندمعنا بودن واژه‌ها يکی از شناخته شده‌ترين ويژگيهای زبان است. مترجم به هنگام برخورد به واژه چند معنا، با تكيه بر توانش زبانی خود و بافت و موضوع متن میتواند معادل واقعی آن واژه را تشخيص داده و برگزيند اما يک رايانه فاقد چنين توانی است. بنابراين طراح ماشين ترجمه بايد خلأ موجود را ترميم كند. اين تمهيدات بايد از نخستين مراحل پردازش يعنی از مرحله واژگان و نحو و ساختار آغاز گردد و تا آخرين مرحله يعنی مرحله تجزيه و تحليل معناشناختی متن تداوم يابد.
ترجمه ماشینی _ روشهای موجود و شیوه های ارزیابی آنها
برای دست یافتن به ترجمه ماشینی می توان روشی مبتنی بر قوانین زبانشناسی استفاده کرد، به این معنی که کلمات از نظر زبانشناسی ترجمه خواهند شد. (در واقع متناسب‌ترین کلمات مقصد جایگزین کلمات مبدا خواهند شد.)
این موضوع که موفقیت ترجمه ماشینی پیش از هر چیز نیازمند حل مسئله فهم زبان طبیعی است، اغلب مورد بحث است.به طور عام روشهای قانون مند (Rule Based)، متن را با استفاده از ساختن واسطی سمبلیک -که نهایتاً متن زبان مقصد از آن ایجاد می شود- تجزیه می کنند. هرمی که عمق های متفاوت نمایش واسط را نشان می دهد. ماشین ترجمه بین زبانی، در نوک هرم است که بدنبال آن، ترجمه ی مبتنی بر انتقال و ترجمه مستقیم آمده اند .
سه شيوه عمده سنتی برای ترجمه ماشينی که بر مبنای معماری آنها ماشينهای ترجمه توسعه يافته اند عبارتند از:
1- شيوه مبتنی بر معماری مستقيم يا ترانسفورمر
2- شيوه مبتنی بر انتقال
3- شيوه ميان زبانی
ساير شيوه های ترجمه ماشينی عبارتند از:
4- ترجمه با استعانت از كامپيوتر يا شيوه مبتنی بر ديالوگ
5- روش مبتنی بر پيکره زبانی
در اين روش ترجمه ماشينی با استفاده از يک پيکره زبانی که معمولاً متون از قبل ترجمه ای هستند استفاده می شود.
5-1- روشهای آماری ترجمه ماشينی
سابقه ايده استفاده از روشهای آماری ترجمه ماشينی به دهه 1940 ميلادی بر می گردد اما بلحاظ فقدان امکانات محاسباتی و پيکره زبانی قابل خوانش توسط ماشين که موانعی بر سر راه توسعه اين روش بودند اين روش به تازگی قوت گرفته است. در روشهای آماری ترجمه ماشينی از اطلاعات زبان شناسی استفاده نمی شود بلکه اين گونه ماشينهای ترجمه داده رانده بوده و کليه احتمالات پيکره-رانده از قبل محاسبه شده و بکار گرفته می شوند. از توابع توزيع احتمال کلمات و واژه ها در جملات با استفاده از پيکره های دو زبانی برای يافتن محتمل ترين ترجمه مناسب استفاده می شود. محصولاتی از قبيل Language Weaver بر اساس اين روش ارايه شده اند.
لینک دانلود سخنرانی توسط دکتر عبدالحسین صراف زاده در مورد ترجمه ماشینی مبتنی بر آمار
5-2- روشهای مبتنی بر مثال ترجمه ماشينی
روشهای مبتنی بر مثال ترجمه ماشينی که روشهای مبتنی بر حافظه نيز ناميده شده اند. اين روش بر اساس استفاده از جملاتی که به عنوان مثال قبلاً ترجمه شده است استوار است. در اين گونه سيستمها از پيکره های دوزبانه برای منبع اطلاعات زبانی خود استفاده می کنند. در اين پيکره ها حجم عظيمی از مثالهای ترجمه جملات دو و يا چند زبانه در يک پايگاه داده متنی ذخيره شده است. ماشين ترجمه حين کار از اين پايگاه اطلاعات استفاده نموده و ترجمه جمله ای در زبان مبدأ که بيشتر به ورودی شبيه باشد به عنوان خروجی به زبان مقصد ارايه می شود.
واژگان معنایی (WordNet) بسیار عظیم و گسترده از ضروریات و ملزمات مورد نیاز این روش می باشد. واژگان معنایی، گلوگاه ساخت بسیاری سیستم های پردازش زبان فارسی است. وجود یک واژگان معنایی و در شکل وسیعتر یک واژهستان شناسی برای این زبان در ترجمه ماشینی، بازیابی اطلاعات تک و دوزبانه، خلاصه سازی اسناد، مدیریت محتوا در سیستم های آموزشگر، خطایاب نحوی و معنایی متون، درک و تولید متون فارسی، تشخیص صحبت، تبدیل متن به گفتار، تحلیل نحوی، استخراج اطلاعات از متون و بسیاری کاربردهای دیگر نقش اساسی ایفا می کند. وجود چنین منبعی همچنین می تواند در تهیه منابع زبانی دیگر از جمله پیکره هایی با برچسب معنایی و هستان شناسی های خاص قلمرو کاربرد داشته باشد.
6- سيستم های زبان کنترل شده
در حقيقت اين گونه سيستمها نوعی سيستم ترجمه بر اساس دانش هستند. در برخی موارد متون نوشته شده در زبان مبدأ کنترل شده هستند يعنی اينکه دارای ويژگی استفاده از لغات و واژه های مشخص و حتی ساختار کنترل شده جملات می باشند. مزيت اين برخورد و کنترل زبان مبدأ در اين است که متون نوشته شده کمتر دارای ابهام بوده و لذا ماشين ترجمه کمتر مشکل ابهام زدايی خواهد داشت. در نتيجه علاوه بر توليد متن اوليه بهتر، ماشين ترجمه می تواند متن خروجی به چندين زبان مقصد را با کيفيت بهتر توليد نمايد.
7- سيستم تمام-خودکار ترجمه ماشينیFAHQT
توسعه سيستم ترجمه ماشينی تمام اتوماتيك با كيفيت بالا يا FAHQT از ابتدا به عنوان يک ايده آل دنبال می شد. سيستم های توسعه يافته هرگز به اين ايده آل دست نيافتند. پيشرفتهای حاصله در سالهای اخير در زمينه هوش مصنوعی ، سيستمهای فازی و شبكه های عصبی تأثير انكارناپذيری در تكامل و توسعه ترجمه ماشينی داشته است. اين‌سيستم شکل تكامل يافته سيستمی است كه نياز به پيش- ويرايش و پس-ويرايش داشته است. بديهی است كه ويراستاری های ياد شده توسط فرد متخصص انجام می شد ولی در حال حاضر اين‌گونه سيستمها مجهز به غلط ياب املايی و نحوی نسبتاً قدرتمندی هستند كه قبل از انجام ترجمه، متن زبان مبدأ را آماده‌سازی می كند. پس ازانجام ترجمه نيز، از طريق خطاياب نحوی زبان مقصد، متن خروجی ويرايش می شود و در نهايت ويرايش نهايی توسط ويراستار انجام می شود.
مقایسه کلی چندی از روشهای ترجمه ماشینی
مبنای کار سیستم های قدیمی تر ترجمه ماشینی مبتنی بر واژه نامه ( Dictionary-based) و بر اساس قواعد زبا نشناسی (Rule-based ) بود. ( مانند Systran دراین روش که به Interlingual Machine Translation نیز شهرت دارد،) جملات متن مبدأ بر اساس اصول دستور زبان و مجموعه گسترده ای از لغات که به کامپیوتر داده شده است حلاجی شده و پیش از ترجمه به زبان مقصد، به یک زبان واسطه برگردانده می شود. سپس متن زبان واسطه بر اساس همان قواعد داده شده به سیستم و با استفاده از مناسب ترین و رایج ترین معادل های واژگان در زبان مقصد ترجمه می شود. امروزه در ماشین های ترجمه غالبا از روش های آماری (Statistical) و مقایسه و تطابق (Analogy)و استفاده از نمونه های موجود (Example-based) استفاده می شود. اصل کار روش های جدید مبتنی بر استفاده از پیکره های زبانی (Corpora) بسیار عظیمی می باشد که متون معادلی را به زبان های مبدأ و مقصد در گنجینه خود دارند و هنگام معادل گزینی، کار خود را بر اساس مقایسه متونی که باید ترجمه شود، با متون و ترجمه های مشابه آن ها در پیکره زبانی ذخیره شده انجام می دهند. از آنجا که تهیه و ذخیره چنین پیکره زبانی کار آسانی نیست، طراحی و استفاده این سیستم در ترجمه ماشینی نیز عموما فقط از عهده شرکت های بزرگ و قدرتمند بر می آید.
دشواری کار ترجمه خودکار، بدست آوردن اطلاعات کافی از نوع صحیح آن برای پشتیبانی روشی خاص می باشد. به عنوان مثال یک پیکره وسیع چند زبانی از داده ها، برای روشهای آماری مورد نیاز می باشد. حال آنکه برای روشهای مبتنی بر دستور زبان لازم نیست. اما از سویی دیگر روشهای مبتنی بر دستور زبان نیاز به یک زبان شناس حرفه ای برای طراحی دقیق دستور زبانی که استفاده خواهد شد، دارند. برای ترجمه بین زبانهای نزدیک بهم، تکنیکی به نام ترجمه ماشینی مبتنی بر انتقال سطحی ممکن است استفاده شود.
بنابراین میتوان روشی را تحت عنوان روش پیوندی ترجمه ماشینی به کار برد.
8- ترجمه ماشینی پیوندی (Hybrid)
روش پیوندی، نقاط قوت دو روش آماری و قانونمند را باهم ادغام می کند.[5] بسیاری از شرکتهای ترجمه ماشینی (همانند آسیا آنلاین و سیسترن(SYSTRAN)) مدعی داشتن روشی چندگانه مبتنی بر دو روش قانونمند و آماری در ترجمه ماشینی، هستند. این روشها به دو گونه مختلف زیر می باشند :
قوانین در مرحله دوم توسط روشهای آماری پردازش می شوند. در این روش ترجمه بوسیله موتورهای قانونمند انجام میشود. سپس معیارهای آماری برای تنظیم/تصحیح خروجی موتور قانونمند اعمال میشوند. معیارهای آماری از ابتدا توسط قوانین هدایت میشوند. قوانین برای پیش-پردازش داده‌ها برای هدایت بهتر موتور آماری استفاده می شوند. قوانین همچنین برای پس-پردازش خروجی موتور آماری برای پیاده سازی عملیاتی همچون نرمال سازی استفاده می شوند.این روش قدرت،کنترل و انعطاف پذیری بسیار بیشتری دارد.
ابهام زدایی از ترجمه ماشینی
ابهام زدایی از کلمات با یافتن ترجمه مناسب برای کلمه ای با بیش از یک معنی در ارتباط است. يكي از اولين مشكلاتي كه هر سيستم پردازش زبان طبيعي با آن درگير است، مسئله ابهام معنايي و ساختاري كلمات است. بخش عمده اي از اين ابهام به كمك روالي به نام نشانه گذار بخش كننده جملات كه براي تعيين نقش كلمات در جمله به كار مي رود، مرتفع مي گردد.
امروزه روشهای بسیاری برای حل این مشکل بوجود آمده اند که این روشها بطور تقریبی به دو دسته ی روشهای “سطحی” و “عمقی” تقسیم میشوند. روشهای سطحی تصور میکنند که هیچ دانشی از متن ندارند.آنها به سادگی روشهای آماری را برای کلمات اطراف کلمه مبهم، اعمال میکنند. اما روشهای عمقی دانشی وسیع از کلمه را متصور میشوند. تا بحال، روشهای سطحی موفقیت بیشتری داشته اند. آقای کلود پایرون(Claude Piron)، یکی از مترجم‌های بسیار قدیمی سازمان ملل و سازمان بهداشت جهانی، نوشته است که ترجمه ی ماشینی، در بهترین نوع آن، آسان‌ترین بخش کار مترجمان را میتواند انجام دهد.بخش سختتر و زمان گیر معمولاً در ارتباط با تشخیص ابهامات متن منبع می‌باشد که این عمل نیاز به برطرف کردن آشفتگی‌های دستور زبانی و لغوی زبان مقصد دارد.[6]
ارزیابی ترجمه ی ماشینی
یکی از مسائلی که همواره در زمینه ترجمه ی ماشینی مورد توجه بوده‌است، روشها و پارامترهای ارزیابی نتایج ترجمه‌است. قدیمی‌ترین روش استفاده از داورهای انسانی برای ارزیابی کیفیت یک ترجمه می باشد. ابزارهای ارزیابی خودکار شامل بلو محصول شرکت آی‌بی‌ام(BLEU)، نیست(NIST) و متئور(METEOR) می باشند. به تجربه می توان دریافت که ماشین های ترجمه¬ی بسیار پیشرفته نیز – لااقل فعلا- قادر نیستند دقّت، روانی و وضوحی را که از یک ترجمه مطلوب انتظار می رود در کار خود نشان دهند. آزمودن این نرم افزارها با استفاده از متون مغلق، طولانی و یا حاوی لغات چند معنا به راحتی نشانگر ناتوانی آن ها در حل پیچیدگی های زبانی است. همچنین می توان با ترجمه برعکس میزان انحراف این نرم افزارها را محک زد. هنگامی که متنی را برای ترجمه به زبان دیگر به مترجم الکترونیک وارد می کنیم و سپس ترجمه به دست آمده را مجددا به عنوان متن زبان مبدأ به ماشین می دهیم تا به زبان اولیه برگرداند؛ انتظار می رود که متن اول و سوم اگرچه نه کاملا- بلکه تا حد زیادی مشابه یکدیگر باشند.
جایگزین ارزشیابی دوزبانه
جایگزین ارزشیابی دوزبانه یا BLEU (Bilingual Evaluation Understudy) روشی است برای ارزیابی کیفی متن ترجمه شده توسط ماشین ترجمه یا دستگاه ترجمه ماشینی. کیفیت ترجمه با عددی بین ۰ و ۱ اندازه‌گیری میشود. این عدد نمایانگر میزان نزدیکی ترجمه به مجموعه‌ای از ترجمه‌های انسانی با کیفیت خوب است. بنابراین با این روش نمی‌توان قابل فهم بودن ترجمه یا درستی آن از نظر دستوری را ارزیابی نمود. این روش برای ارزیابی ترجمه ماشینی در سطح کلی کاربرد دارد و در حالتی‌که برای ارزیابی تک تک جملات بکار برده شود، بسیار بد کارمی‌کند.
[6] Claude Piron, Le défi des langues (The Language Challenge), Paris, L’Harmattan, 1994
[3] فرحزاد ف. استاد زبانشناسی و مطالعات ترجمة دانشگاه علامه طباطبایی، روزنامه کیهان
[4] Manning، C. D.، and Schutze، H.، Foundations of Statistical Natural Language Processing، 5th edition، The MIT Press، 2002. ISBN 0-262-13360-1
