Wykład 2: Systemy klasy C.A.T. (Computer-Aided Translation)

Prezentacja na temat: "Wykład 2: Systemy klasy C.A.T. (Computer-Aided Translation)"— Zapis prezentacji:

1 Wykład 2: Systemy klasy C.A.T. (Computer-Aided Translation)
dr inż. Agenor Hofmann-Delbor

2 Plan wykładu Omówienie technologii pamięci tłumaczeń
Czym jest technika wyszukiwania rozmytego Jak działają algorytmy wyszukiwania rozmytego Czym są pliki bilingwalne Najistotniejsze komercyjne i darmowe narzędzia CAT

3 Tłumaczenie maszynowe MT a pamięć tłumaczeń
Oryginalny tekst angielski ze strony dużej korporacji: „Read the official press release“ Tłumaczenie przy użyciu programu tłumaczącego: „Przeczytany osoba urzędowa (oficjalny) ścisk (prasa) zwolnienie“

4 Pamięć tłumaczeń Baza danych przechowująca tzw. segmenty, czyli fragmenty tekstu w języku źródłowym powiązane z odpowiadającym im fragmentom w języku docelowym Mają z reguły ściśle określony „kierunek” językowy, wyszukiwanie odbywa się zwykle w języku źródłowym Pełna automatyzacja procesu aktualizacji w trakcie pracy Jak każda baza wymaga operacji administracyjnych, reorganizacji itp.. Pamięć tłumaczeń to kapitał firm i organizacji Korzystanie z pamięci tłumaczeń umożliwia wycenę projektu i ocenę jego czasochłonności przed jego rozpoczęciem

5 Pamięć tłumaczeń – c.d.

6 Czas tłumaczenia a wielkość pamięci tłumaczeń
Dokument Tłumaczenie Publikacja 1 rok Dokument Tłumaczenie Publikacja 2 rok Dokument Tłumaczenie Publikacja 3 rok

7 Typowy model pracy z pamięciami tłumaczeń
Pamięć tłumaczeń Baza terminologii Każdy tłumacz dostaje podpowiedzi z całej bazy (tłumaczenia swoje i innych tłumaczy)

8 Przeszukiwanie pamięci tłumaczeń

9 Podpowiedzi terminologii z bazy terminologii (słownika)
Tłumaczenie z użyciem pamięci tłumaczeń Podpowiedzi terminologii z bazy terminologii (słownika) Zdanie oryginalne wraz z tłumaczeniem zostaje wstawione do pamięci jako segment

10 Wyszukiwanie rozmyte Segmenty w obrębie pamięci tłumaczeń są indeksowane, co umożliwia ich szybkie wyszukiwanie Idea pamięci tłumaczeń (TM – Translation Memory) zakłada zwracanie wyników także o częściowej zgodności Zgodnie z zasadami logiki rozmytej dane są przyporządkowywane do odpowiedniej klasy, tutaj zwane klasami podobieństwa. Oznaczają one procentową zgodność tekstu w dokumencie z najbardziej podobnym tekstem znalezionym w pamięci tłumaczeń. Najbardziej pożądany przypadek to tzw. 100% match – pełna zgodność Na podstawie liczby słów w danej klasie podobieństwa budowana jest ważona liczba słów i przygotowywana wycena

11 Analiza dokumentów Przedstawia faktyczną liczbę słów do przetłumaczenia i korekty w dokumencie lub jego zaktualizowanej wersji

12 Tworzenie modelu rozliczeń

13 Wyszukiwanie w praktyce
93% podobieństwa: „częściowa zgodność”

14 Konkordancja – wyszukiwanie kontekstowe

15 Pliki bilingwalne Pliki bilingwalne powstają w sytuacji, gdy edytujemy dokumenty za pomocą narzędzi CAT. Większość aplikacji tego typu zapisuje dokument w swoim formacie lub modyfikuje obecny format poprzez dodanie odpowiednich znaczników (tagów), dzięki którym możliwe jest bezpieczne powiązanie, ale i rozgraniczenie tekstu źródłowego i wynikowego Obecnie większość plików bilingwalnych jest oparta na XML, standardem staje się powoli format XLIFF Pliki bilingwalne można w łatwy sposób zapisywać w docelowym formacie, można także wprowadzać automatycznie ich zawartość do pamięci tłumaczeń. Pliki bilingwalne pozwalają zidentyfikować format źródłowy oraz języki dokumentu.

16 Przykład pliku bilingwalnego

17 Najważniejsze i najpopularniejsze narzędzia CAT
SDL Trados WordFast IBM Translation Manager OmegaT STAR Transit LogoPort MemoQ Idiom

18 Przydatne linki

19 Pytania, kontakt