ترجمه ماشینی: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
FreshmanBot (بحث | مشارکت‌ها)
جز اصلاح فاصله مجازی + اصلاح نویسه با استفاده از AWB
FreshmanBot (بحث | مشارکت‌ها)
جز اصلاح فاصله مجازی + اصلاح نویسه با ویرایشگر خودکار فارسی
خط ۳:
 
[[نرم‌افزار]]های ترجمه ماشینی کنونی اغلب به کاربر اجازهٔ تغییر دلخواه بر اساس حوزه کاری یا حرفه‌ای دلخواه را می‌دهند (همانند [[هواشناسی|گزارش آب و هوا]]). در واقع ارتقاء کیفیت خروجی با استفاده از محدود کردن کلمات جایگزین شونده، انجام می‌شود.
این تکنیک بطور خاص در حوزهٔ رسمی یا زبانهای فرموله شده استفادهشده‌استفاده می‌شود. این بدین معنی است که ترجمه ماشینی از اسناد قانونی و دولتی آسان‌تر از تولید خروجی قابل استفاده از مکالمات یا متون غیر چهارچوب بندی شده دیگر است.
همچنین کیفیت خروجی بهبود یافته می‌تواند با استفاده از دخالت انسان بدست آید. برای مثال سیستم‌هایی موجودند که اگر کاربر بطور کاملاً واضحی کلماتی که اسامی خاص هستند را معین کرده باشد، قادر به ترجمه دقیق‌تری هستند. با کمک گرفتن از این تکنیک‌ها ترجمه ماشینی به عنوان یک ابزار برای کمک کردن به مترجمان (انسان‌ها) و بسیاری از موضوع‌های محدود، قادر به تولید خروجی قابل استفاده و نهایی است.
 
خط ۴۸:
ترجمه ماشینی به روش آماری، سعی در تولید ترجمه‌هایی دارد که از روش‌های آماری مبتنی بر [[پیکره‌های متنی دوزبانی]] استفاده می‌کنند. همانند [[پیکره کانادایی هانسارد]](Canadian Hansard corpus)، بایگانی انگلیسی-فرانسوی مجلس کانادا و یوروپارل(EUROPARL) و بایگانی [[پارلمان اروپا]].
 
درحال حاضر این چنین پیکره‌هایی موجودند و نتایج ثمربخشی از ترجمه متون از نوع مشابهی، بدست می‌آید اما این چنین پیکره‌ای هنوز بسیار کمیاب است. اولین نرم‌افزار آماری ترجمه ماشینی، کاندید(CANDIDE) تولیدی شرکت [[آی‌بی‌ام]] بود. [[گوگل]] نیز سیسترن(SYSTRAN) را برای سالهایسال‌های متمادی استفاده کرد اما نهایتاً در اکتبر ۲۰۰۷ به مترجمی آماری تغییر روش داد. به تازگی، گوگل قابلیت‌های ترجمه خود را بوسیله دادن ۲۰۰ میلیون کلمه از اسناد [[سازمان ملل]] به عنوان ورودی سیستم-برای تعلیم سیستم خود- بهبود بخشیده‌اند. و بدین سان دقت ترجمه‌ها بهبود یافته‌است.<ref>[http://blog.outer-court.com/archive/2005-05-22-n83.html Google Translator: The Universal Language<!-- Bot generated title -->]</ref>
 
=== روش مبتنی بر مثال ===
خط ۹۶:
با تمرکز امروزی تروریسم، منابع نظامی [[ایالات متحده آمریکا]] مبلغ بالایی را در مهندسی زبان طبیعی، [[سرمایه‌گذاری]] کرده‌اند. در حال حاضر [[نیروی نظامی]] به ترجمه و پردازش زبانهایی همانند [[زبان عربی|عربی]]، [[زبان پشتو|پشتو]] و[[زبان دری|دری]] علاقه‌مند است. دفتر پردازش [[فناوری اطلاعات]] [[دارپا]]، برنامه‌هایی همانند تایدز(TIDES)و مترجم [[بابیلون (نرم‌افزار)|بابیلون]] را میزبانی می‌کند. [[نیروی هوایی آمریکا]] نیز ۱میلیون دلار برای توسعه و ایجاد تکنولوژی ترجمه زبان، تعهد کرده‌است.<ref>[http://gcn.com/articles/2003/09/09/air-force-wants-to-build-a-universal-translator.aspx GCN — Air force wants to build a universal translator]</ref>
 
رشد جالب توجه [[شبکه‌های اجتماعی]]، همانند [[فیس بوک]] یا [[پیام‌رسان فوری|پیام‌رسان‌های فوری]] همانند اسکایپ(Skype)، گوگل تاک(Google Talk) و [[ام اس ان]] مسنجر(MSN Messenger)، در سالهایسال‌های اخیر، مورد استفادهٔ دیگری برای نرم‌افزارهای ترجمه ماشینی شده‌است. 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 شده‌است. بخاطر قابلیت حمل آنها، این‌گونه وسایل به عنوان ابزارهای ترجمه برای موبایل مشخص شده‌اند که شبکه تجارتی با استفاده از موبایل را بین شرکایی با زبانهای مختلف ممکن ساخته‌است. همچنین این نرم‌افزارها نیاز به مترجم انسان به عنوان واسطی در مکالمات دوطرف را از بین می‌برند.