ترجمه ماشینی: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
Rezabot (بحث | مشارکت‌ها)
جز ربات: حذف از رده:ویکی‌سازی رباتیک
Roozbeh.daneshvar (بحث | مشارکت‌ها)
جزبدون خلاصۀ ویرایش
خط ۳۲:
 
با دادن داده‌های کافی [[نرم‌افزار|نرم‌افزارهای]] ترجمه ماشینی حتی برای [[زبان اول|صحبت کننده بومی]] یک زبان به حدی خوب کار می‌کنند که معنی تقریبی آنچه توسط یک صحبت کننده بومی دیگر نوشته شده‌است بفهمد.
دشواری کار ترجمه خودکار، بدست آوردن اطلاعات کافی از نوع صحیح آن برای پشتیبانی روشی خاص می‌باشداست. به عنوان مثال یک پیکره وسیع چند زبانی از داده‌ها، برای روشهای آماری مورد نیاز می‌باشد.است، حال آنکه برای روشهای مبتنی بر دستورزبان لازم نیست. اما از سویی دیگر روشهای مبتنی بر دستورزبان نیاز به یک زبان شناس حرفه‌ای برای طراحی دقیق دستورزبانی که استفاده خواهد شد، دارند.
برای ترجمه بین زبان‌های نزدیک بهم، تکنیکی به نام [[ترجمه ماشینی مبتنی بر انتقال]] سطحی<ref>shallow-transfer machine translation</ref> ممکن است استفاده شود.
 
=== روش قانونمند ===
الگوی ترجمه ماشینی قانون مند شامل الگوی ترجمه ماشینی مبتنی بر انتقال، [[ترجمه ماشینی بین زبانی]] و ترجمه ماشینی مبتنی بر فرهنگ لغت می‌باشد:است.
 
== 'روش بین زبانی' ==
 
ترجمه ماشینی بین زبانی نمونه‌ای از ترجمه ماشینی قانونمند می‌باشداست. در این روش، متن به زبان مبدا به یک متن بین زبانی(بعنوان مثال، زبانهای بین‌المللی کمکی همانند [[اسپرانتو]]) که مستقل از زبان مقصد است، تبدیل می‌شود. سپس متن به زبان مقصد از متن بین زبانی، تولید خواهد شد.
 
== 'روش مبتنی بر فرهنگ لغت' ==
خط ۶۸:
ابهام‌زدایی از کلمات با یافتن ترجمه مناسب برای کلمه‌ای با بیش از یک معنی در ارتباط است. این مساله اولین بار در سال ۱۹۵۰ توسط یهوشوا بار-هیلل (Yehoshua Bar-Hillel) مطرح شد.<ref>[http://ourworld.compuserve.com/homepages/WJHutchins/Miles-6.htm Milestones in machine translation - No.6: Bar-Hillel and the nonfeasibility of FAHQT] by John Hutchins</ref> او به این موضوع که بدون یک فرهنگ نامهٔ جهانی، یک ماشین هرگز نمی‌تواند بین دو معنی کلمه، معنی صحیح را تشخیص دهد، تکیه کرد. امروزه روشهای بسیاری برای حل این مشکل بوجود آمده‌اند که این روشها بطور تقریبی به دو دستهٔ 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 داشته‌اند.
آقای کلود پایرون(Claude Piron)، یکی از مترجم‌های بسیار قدیمی [[سازمان ملل]] و [[سازمان بهداشت جهانی]]، نوشته‌است که ترجمهٔ ماشینی، در بهترین نوع آن، آسان‌ترین بخش کار مترجمان را می‌تواند انجام دهد. بخش سختترسخت‌تر و زمان گیرزمان‌گیر معمولاً در ارتباط با تشخیص ابهامات متن منبع می‌باشداست که این عمل نیاز به برطرف کردن آشفتگی‌های دستور زبانی و لغوی زبان مقصد دارد.<ref name="piron">[[Claude Piron]], ''Le défi des langues'' (The Language Challenge), Paris, L'Harmattan, 1994. <!-- GFDL translation by Jim Henry --></ref>
 
روش ایده‌آل عمقی ممکن است نرم‌افزار مترجم را ملزوم به انجام تمامی تحقیقات موردنیاز برای برطرف کردن اینگونه ابهامات بکند. اما این امر نیاز به [[هوش مصنوعی]] بسیار وسیعتری نسبت به آنچه تا بحال در این زمینه به دست آمده، دارد.
خط ۱۰۳:
== ارزیابی ترجمهٔ ماشینی ==
 
یکی از مسائلی که همواره در زمینه ترجمهٔ ماشینی مورد توجه بوده‌است، روشها و پارامترهای ارزیابی نتایج ترجمه‌است. قدیمی‌ترین روش استفاده از داورهای انسانی برای ارزیابی کیفیت یک ترجمه می‌باشداست. اگرچه ارزیابی توسط انسان زمانبرزمان‌بر است اما هنوز قابل اطمینان‌ترین راه برای مقایسهٔ سیستمهایسیستم‌های مختلف همانند سیستمهایسیستم‌های مبتنی بر روشهایروش‌های آماری و قانونمند،قانونمند می‌باشداست.
ابزارهای ارزیابی خودکار شامل بلو محصول شرکت آی‌بی‌ام(BLEU)، نیست(NIST) و متئور(METEOR) می‌باشند. همچنین، دانشگاه بارسلون سیستمی را با نام IQ برای ارزیابی سیستم‌های ترجمه ماشینی ارائه داده‌است که بر اساس چندین روش می‌تواند ارزیابی را انجام دهد. این سیستم ارزیابی بصورت [[متن‌باز]] بوده و هر کسی می‌تواند بر اساس نیاز خودش آنرا تنظیم نموده و استفاده نماید.