مطالب مرتبط با کلیدواژه
۱.
۲.
۳.
۴.
۵.
۶.
۷.
۸.
۹.
۱۰.
۱۱.
۱۲.
۱۳.
۱۴.
۱۵.
ترجمه ماشینی
حوزه های تخصصی:
علی رغم وجود تحقیقات مختلف در خصوص ترجمه ماشینی در ایران، در حال حاضر فقط دو نرم افزار ترجمه ماشینی به نامهای مترجم پارس و پدیده به بازار راه پیدا کرده است. هدف این مقاله، مقایسه تطبیقی این دو نرم افزار با ترجمه انسانی در مرحله اول و مقایسه این دو نرم افزار با یکدیگر در مرحله دوم می باشد. ابتدا خلاصه ای از مبحث ارزیابی خروجی سیستمهای ترجمه ماشینی ارایه می گردد. سپس تحقیقات مهم در این زمینه دوره خواهد شد و در انتها، فرآیند انجام تحقیق و نتایج آماری آن گزارش خواهد شد. جمع بندی این تحقیق نشان دهنده آن است که نرم افزار ترجمه ماشینی می تواند ابزاری مفید برای مترجمین باشد و نیز ترجمه ای قابل فهم برای فارسی زبانان تولید نماید. علیرغم برتری آماری نرم افزار پارس بر پدیده، مواردی نیز در حین تحقیق مشاهده شد که نرم افزار پدیده نیز توانسته بود به درک متن توسط فارسی زبانان کمک شایانی نماید و تا حدی نیز پابه پای مترجم انسانی به کمک مخاطب بیاید.
تاثیر پیش ویرایش بر کیفیت خروجی ماشین ترجمه پدیده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف این تحقیق بررسی تاثیر پیش ویرایش بر کیفیت خروجی ماشین ترجمه پدیده است. ابتدا متن های خروجی نرم افزار پدیده جهت مشخص کردن مشکلات متداول زبانی این نرم افزار مورد بررسی قرار گرفت؛ سپس با توجه به مشکلات عمده، پیش ویرایش مناسب تعریف شد. پس از اعمال پیش ویرایش، کیفیت خروجی ماشین ترجمه پدیده قبل و بعد از پیش ویرایش با استفاده مدل ارزیابی کارول از لحاظ قابلیت فهم و صحت مورد ارزیابی قرار گرفت. نتایج تحقیق نشان داد که پیش ویرایش، بهبود قابل ملاحظه ای در کیفیت خروجی ماشین ترجمه پدیده به دست نمی دهد.
مشکلات ترجمه ماشینی در زبان فارسی به کمک سه نرم افزار(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه صحبت زیادی از ترجمه ماشینی و قابلیت کامپیوتر در انجام این مهم به میان می آید. با توجه به عدم درک صحیح از قدرت کامپیوتر در این حوزه و شناخت ناکافی افراد، در این مقاله سعی شده است ضمن معرفی اجمالی ترجمه ماشینی و موانع و مشکلات آن، عملکرد سه نرم افزار مطرح در این حوزه در زبان فارسی به نام های پارس و پدیده و نیز سایت گوگل مورد تست و ارزیابی قرار گیرد. این مقاله به هیچ وجه درصدد کم ارزش جلوه دادن زحمات بیکران تهیه کنندگان این دو نرم افزار و سایت ترجمه گوگل نیست؛ بلکه قصد آن داریم ضمن ارایه تصویری مبتنی بر واقعیت نشان دهیم ترجمه ماشینی امری بسیار عظیم و بزرگ است و در صورت عدم پشتیبانی و حمایت مادی گسترده در این حوزه، نمی توان به نرم افزارهای این چنینی اکتفا کرد و تا ارایه یک مترجم قدرتمند فرسنگ ها راه در پیش رو داریم.
نقش پیکره های بزرگ یک زبانه در بهبود کیفیت ترجمه ماشینی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
باهم آیی ها، یعنی ترکیبات بازرخدادی واژه ها که احتمال هم رخدادی آنها بیش از آن چیزی است که تصادفا رخ می دهد در زبان های طبیعی به کرات مشاهده می شوند. از آنجایی که واژه نامه های دوزبانه قادر به ارایه معادل های واژگانی مناسبی برای اغلب این باهم آیی ها نیستند، اکثر قریب به اتفاق سیستم های ترجمه ماشینی در مواجهه با این گونه ترکیبات، اجرای دقیقی نداشته و در نتیجه کیفیت برونداد آنها تا حد قابل ملاحظه ای کاهش می یابد. در سال های اخیر پیکره های یک زبانه در حل مسایل مختلف زبان شناسی، شامل پردازش زبان طبیعی، ترجمه ماشینی آماری، آموزش زبان و سایر حوزه های مرتبط نقش مهمی ایفا نموده اند. مطالعه حاضر فرایند ساخت و استفاده از یک پیکره بزرگ یک زبانه فارسی را مورد بررسی قرار می دهد. این پیکره این امکان را به ما می دهد تا مشکل ابهام باهم آیی های انگلیسی را در حین ترجمه آنها به زبان فارسی توسط یک سیستم ترجمه ماشینی رفع نماییم. با استفاده از چنین پیکره ای به عنوان پیکره زبان مقصد و نیز یک واژه نامه دوزبانه انگلیسی-فارسی، کارآیی این پیکره در یافتن مناسب ترین معادل فارسی برای باهم آیی های انگلیسی، به منظور ارتقای کیفیت سیستم ترجمه ماشینی، مورد ارزیابی قرار می گیرد. نتایج آزمایشی که در این راستا بر روی یک پیکره آزمون صورت گرفت بسیار امیدبخش بوده و صحت آن به 90.83% رسیده است.
فرآیند ترجمه ماشینی و محدودیتهای آن(مقاله علمی وزارت علوم)
حوزه های تخصصی:
ترجمه ماشینی به لحاظ کاربرد وسیع در توسعه دانش علمی از اهمیت خاص برخوردار است و از سویی ، رابطه آن با سایر رشته ها به عنوان یک اقدام بین رشته ای ، علم و فناوری را به یکدیگر پیوند زده است . پژوهش حاضر ، ضمن بیان تاریخچه و نقاط قوت و ضعف برخی سیستمهای ترجمه ماشینی و بررسی شیوه های این نوع ترجمه ، به تحلیل کارکرد اجزای زبانی سیستم پرداخته است . برای آشنایی با برنامه رایانه ای پذیرش تحلیل ساختی ، سیستمهایی معرفی گردیده و در پایان ، توجه ویژه به حوزه معنایی به لحاظ اهمیت آن در عمق بخشی به تحلیل زبان مبدا به عنوان عاملی موثر در کارکرد بهتر سیستم ترجمه ماشینی ، شده است .
بررسی بُعد زبانشناختی ترجمة ماشینی و معرفی اجمالی علوم مرتبط با آن?(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نظام ترجمه ماشینی فعالیتی چند بعدی است، که در چند حیطه مبتنی بر ابتکار عمل و قدرت حل مساله است. در این مهارت از برخی دانش های بین رشته ای نیز استفاده فراوانی می شود. ترفندهای هوش مصنوعی با بکارگیری اصول ریاضی، آمار و منطق، قالب مناسبی از زبان را که مناسب برنامه نویسی و انتقال به ماشین است، فراهم می آورد. در کشور ما این فعالیت دیر شروع شد و اکنون نیز دارای حرکت منسجمی نیست، برای پیشرفت در حیطه ترجمه ماشینی نیازمند احاطه در سه زمینه مختلف است: 1- داده پردازی، توصیف و ساختن مدل های مناسب زبان برای کاربرد هوشمند 2- ساخت و استفاده از نرم افزارهای مربوط به این کار 3- به کارگرفتن فناوری مرتبط. در این مقاله با لحاظ قرار دادن تفکیک این سه زمینه، برخی ابعاد زبان شناختی نظام ترجمه ماشینی، براساس محور قراردادن روش های تجربه شده در روسیه تبیین می گردد. همچنین به واسطه ارتباط تنگاتنگ ترجمه ماشینی با هوش مصنوعی و برنامه نویسی، برخی اطلاعات کلی این علوم، در موارد مرتبط ارایه می شود.
مقایسه و بررسی برخی نظامهای ترجمه ماشینی روسی و غربی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نظام های ترجمه ماشینی برتر دنیا قادرند کتابی هزار صفحه ای را در کمتر از 2 دقیقه ترجمه کنند، کاری که مترجم زبده و حرفه ای حداقل یک سال وقت روی آن صرف می کند. منتقدان، به کیفیت ترجمه این نظام ها ایراداتی دارند، با این حال روند ترجمه ماشینی به سرعت رو به رشد است و باید به یاد داشت، ترجمه در نوع سنتی (انسانی) نیز رشد خود را در طی قرن ها به دست آورده است و اکنون نیز این گونه ترجمه ها بدون نقص نیستند. ترجمه های قدیمی اکثراً بسیار بد ترجمه شده اند و نقد و نظارت و کنترل نیز در کار نبود. فردی مثل ابوعلی سینا 40 بار کتاب مابعدالطبیعه ارسطو را خوانده و نفهمیده بود و این علتش بدی ترجمه بوده است. در این مقاله، عملکرد نظام های ترجمه ماشینی برتر روسی و غربی با هم مقایسه شده اند، تا علل برتری و نقاط ضعف آن ها نسبت به یکدیگر مشخص شوند. در مواردی این ترجمه ها با ترجمه های انسانی مقایسه شده است. همچنین تلاش شده پس از شناسایی علل اساسی غیر کارآمد بودن نظام های ترجمه ماشینی، راهکارهای ارتقاء بهبود کیفیت ترجمه به طور مسند ارائه شود.
پردازش گروه اسمی
حوزه های تخصصی:
گروه اسمی مهمترین سازه در تحلیل رایانهای زبان فارسی است. گروه اسمی از یک کلمه یا گروهی از کلمات ساخته میشود. این گروه یک هسته و تعدادی وابسته پیشین و پسین دارد. وابستههای پیشین عبارتند از صفت اشاره، عدد، ممیز، صفت عالی، شاخص، صفت پرسشی، صفت مبهم، صفت تعجبی، یک نکره. وابستههای پسین شامل صفت بیانی و «-ی» نکره و مضافالیه و بدل و گروه حرف اضافه و جمله ربطی هستند. وابستههای پیشین محدودیتهای همنشینی دارند. اولاً همه آنها همزمان قبل از هسته نمیآیند و ثانیاً هر وابستهای در کنار وابسته دیگر قرار نمیگیرد و ثالثاً با ترتیب خاصی در کنار هم میآیند. در ترتیب همنشینی وابستههای پسین نیز محدودیتهای هست.
گروه اعداد در ترجمه ماشینی
حوزه های تخصصی:
هدف از عرضه گروه اعداد، ساختن ترکیبات مجاز از اعداد اصلی و ترتیبی در زبان فارسی است. در این مقاله سی و هشت عضو دستگاه عددگویی فارسی در چهارگروه چندعضوی و دو گروه تکعضوی قرار داده شدهاند. سی و هشت عضو مذکور در دو دسته قاعده کلی (یعنی قواعد گروه اعداد اصلی و اعداد ترتیبی) جای داده شدهاند. تعداد قواعد اعداد اصلی شامل چهل و هفت، و تعداد قواعد اعداد ترتیبی (که خود بر دو نوعاند) شامل چهار قاعده است. در این قواعد، امکانات بالقوه همنشینی اعداد اصلی و ترتیبی، با ذکر مثال بررسی شده است.
انسان مترجم و ترجمة ماشینی: بررسی موردی مشکلات ماشین ترجمة انگلیسی به فارسی «پدیده»
حوزه های تخصصی:
هدف از نگارش این مقاله آن بود تا دستکم بخشی از مشکلات ترجمه ماشینی، مشخص و ریشهیابی گردد. یافته ها حاکی از آن بود که «پدیده» در حال حاضر دارای مشکلات فراوانی است که ریشة آن ها را در سه چیز میتوان جستجو کرد: 1) نبود زبانشناسان مجرب در گروه برنامه نویسان؛ 2) نحوـ محوربودن تئوری زبانی؛ 3) نبود قدرت تعقل و تفکر در ماشین های ترجمه. ضمناً مشخص گردید که مشکلات نوع اول را میتوان با بهکارگیری نیروی متخصص رفع نمود. مشکلات نوع دوم با تجدیدنظر در تئوری زبانی و توجه به معنا قابل رفع است، اما- دستکم در شرایط کنونی- نمیتوان قدرت تعقل و تفکر را به ماشین داد و بنابراین مشکلات مربوط به مورد 3 قابل حل نیستند. با وجود این، نتیجه گیری شد که برای ترجمة متون اینترنتی و حجم زیادی از اطلاعات، بویژه وقتی هدف درک کلیات متن باشد، استفاده از ماشین به جای انسان هم راحت تر است و هم سریع تر و معقول تر.
بررسی میزان ربط مدارک بازیابی شده با استفاده از ابزار بازیابی بین زبانی google در رشته کشاورزی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش، به بررسی میزان ربط مدارکی پرداخته شده است کهدر حوزه موضوعی کشاورزی با استفاده ازابزار بازیابیبین زبانیِgoogle، بازیابی می شوند. بدین منظور، ابتدا با استفاده از مقالات موجود در مجلات فارسیِ دارای چکیده انگلیسی، به استخراج عبارت ها و اصطلاحات تخصصی فارسی حوزه موضوعی کشاورزی و معادل انگلیسی آنها اقدام شد. تعداد 30 عبارت و اصطلاح تخصصی در قالب سه دسته استخراج گردید:دسته اول، عبارت های موضوعی که فقط در رشته کشاورزی کاربرد دارند. دسته دوم، اصطلاحات تخصصی کشاورزی که در سایر رشته ها نیز کاربرد دارندو دسته سوم، اصطلاحات تخصصی کشاورزی که در خارج از این حوزه تخصصی، اصطلاح عمومی محسوب می شوند.سپس به جستجوی مدارک با استفاده از این عبارات و اصطلاحات پرداخته شد و نتایج جستجواز نظر میزان ربط موضوعی با حوزه کشاورزی مورد بررسی قرار گرفت. یافته های پژوهش حاکی از آن است که ابزار بازیابی بین زبانیِ google در بازیابی بین زبانی مدارک مرتبط برای دو دسته عبارت و اصطلاح تخصصی کشاورزی با موفقیت عمل نمی کند، یک دسته عبارات و اصطلاحاتی که علاوه بر رشته کشاورزی در رشته های دیگر نیز کاربرد دارند و دسته دیگر، عبارات و اصطلاحاتی که در خارج از حوزه موضوعی کشاورزی جزء واژگان عمومی محسوب می شوند. اما در مورد عبارات و اصطلاحاتی که فقط در رشته کشاورزی کاربرد دارند، عملکرد به نسبت مطلوب تری دارد.
ابهام زدایی واژگانی صفات مبهم در ترجمه ماشینی: بررسی پیکره بنیاد(مقاله علمی وزارت علوم)
حوزه های تخصصی:
- حوزههای تخصصی علم اطلاعات و دانششناسی کتابخانه های الکترونیکی فهرست نویسی منابع اطلاعاتی الکترونیکی
- حوزههای تخصصی علم اطلاعات و دانششناسی علوم اطلاع رسانی خدمات اطلاع رسانی مدیریت اطلاعات سازماندهی اطلاعات
- حوزههای تخصصی علم اطلاعات و دانششناسی علوم اطلاع رسانی خدمات اطلاع رسانی مدیریت اطلاعات ذخیره و بازیابی اطلاعات
موضوع ابهام در معانی واژه ها و ساختار ها و چگونگی برطرف کردن آن به ویژه به هنگام ترجمه ماشینی ذهن بسیاری از محققان را در این حوزه به خود مشغول داشته و برای آن راهکار های گوناگونی ارائه شده است. در این مقاله بر آنیم تا به ابهام موجود در واژه ها بپردازیم.صفات و نامهای مبهم با تعدد معانی خود دشواریهایی را در ترجمه ماشینی بوجود می آورند . در برنامه های خودکار که اراده انسانی در انتخاب معادل دخالتی ندارد این موضوع عیان تر است. ماشین نمی تواند بر اساس بافت به صورت خودکار بهترین معادل را انتخاب کند حال آنکه به کمک زبانشناسی رایانه ای و بکار گیری پیکره ها این امر ممکن است. در پژوهش حاضر به منظور اثبات این توانایی از میان دو مقوله اسم و صفت ، صفات را برای بررسی انتخاب کردیم. برای این کار کلیه ی صفات انگلیسی موجود در یک فرهنگ متوسط ( فرهنگ هزاره) را به همراه معانی متعدد آنها استخراج کرده و ضبط کردیم، آنگاه این صفات را در یک کشف اللغات موازی انگلیسی به فارسی قرار دادیم و جملاتی را که این صفات در آنها به کار رفته بودند ضبط کرده و این صفات را به همراه بافت و معنا استخراج کردیم و فهرستی به صورت یک کشف اللغات تهیه کردیم. برنامه ای برای این کشف اللغات نوشته شد به گونه ای که از میان معانی موجود بالاترین بسامد معنایی به همراه با هم آیی و بدون آن به عنوان معادل به هنگام ترجمه انتخاب شود. معادل های انتخاب شده رامترجمین انسانی نیز آزمودند و نتایج نشان دادند که در بیش از 50 درصد موارد معادل های انتخاب شده از سوی مترجمین با آنچه که برنامه ابهام زدایی انتخاب کرده بود یا یکسان و یا بسیار نزدیک بودند. نتایج حاصل از این پژوهش در امر ترجمه ماشینی، بازیابی اطلاعات دوزبانه، ایجاد شبکه های واژگانی و آموزش زبان فارسی سودمند خواهد بود.
طراحی و اعتبار سنجی پرسشنامه نگرش زبان آموزان نسبت به ترجمه ماشینی(مقاله علمی وزارت علوم)
منبع:
پژوهش های زبانشناختی در زبانهای خارجی دوره ۱۰ پاییز ۱۳۹۹ شماره ۳
642 - 657
حوزه های تخصصی:
با پیشرفت های بزرگی که در سالهای اخیر در کیفیت ترجمه ماشینی رخ داده است، استفاده از آن شدت یافته و نیز به استفاده از آن در حوزه زبان آموزی نیز توجه شده است. با این حال، هیچ پرسشنامه استانداردی در خصوص بررسی نگرش زبان آموزان نسبت به این فناوری وجود ندارد. بنابراین، مقاله حاضر گزارش تلاشی برای طراحی و اعتبارسنجی پرسشنامه ای است که برای اولین بار برای سنجش درک زبان آموزان از ترجمه ماشینی تهیه شده است. اعتبارسنجی های مورد استفاده روایی صوری و محتوایی، اعتبار آنالیز عاملی، پایایی از طریق همخوانی درونی با استفاده از آزمون مجدد و همچنین ضریب همبستگی آلفای کرونباخ بوده است. تجزیه و تحلیل عاملی اکتشافی چهار عامل را آشکار نمود، که عبارتند از آشنایی قبلی، میزان استفاده، ترس از تشخیص و اهمیت آموزش . موارد موجود در پرسشنامه، بارگذاری عاملی ≥0.5 را به همراه داشت. بررسی پایایی نشان داد پرسشنامه ترجمه ماشینی دارای پایایی است. آلفای کرونباخ به دست آمده برای کل پرسشنامه۰.۹۴ و برای چهار خرده مقیاس بین 0.8 و 0.9 بود. بررسی آمار آزمون مجدد، ثبات پاسخ ها را در دو نقطه زمانی به فاصله هشت هفته ای مورد محاسبه قرار داد. پرسشنامه نهایی شامل 29 گویه بود و تحلیل روانسنجی نشاندهنده روایی و پایایی آن بود.
داده های بنیادین استراتژیک زبانشناسی، کلید اکمال متقابل تکنولوژی و هوش مصنوعی در حیطه ترجمه ماشینی(مقاله علمی وزارت علوم)
منبع:
پژوهش های زبانشناختی در زبانهای خارجی دوره ۱۱ پاییز ۱۴۰۰ شماره ۳
541 - 555
حوزه های تخصصی:
این پرسش که آیا می توان ماشینی اختراع کرد که قادر به انجام رفتارهایی حتی هوشمندانه تر از انسان باشد، حتی پیش از پیدایش رایانه های قدرتمند و داده های هوش مصنوعی نیز مطرح بود. پیشتر برخی از اندیشمندان زبان شناس و فیلسوفان زبان بر این باور بودند که این کار شدنی نیست. ایده بهره برداری از هوش مصنوعی، وتسهیل در بهره وری در حیطه های مختلف علوم ایده ای درست و ضروری بود، اما ابزار تحقق آن مکانیک نبود. مکانیک بستر مناسبی برای ایجاد اکمال متقابل زبان شناسی، منطق، آمار و ریاضی بر حول مکانیک، نبود و چابکی لازم را برای امکان بهره برداری از دستاوردهای خود در تحقق ترجمه ماشینی را فراهم نمی کرد. با ظهور پدیده ای به نام دیجیتال، نه تنها رویه های منطق صوری به سمت منطق نوین و ریاضیات به ریاضیات جدیدتمایل پیدا کرد، بلکه گرایشات نوینی در پژوهش های زبانشناختی متناسب با حضور در بستر دیجیتال شکل گرفت و به سرعت پیشرفت کرد. در این مقاله سعی شده است پس از ارائه مختصری از تاریخچه موضوع و چارچوب نظری آن؛ به چگونگی دستاوردهای بدست آمده پرداخته شود و چشم انداز آتی آن با توجه به متد های انتخاب شده، ترسیم گردد. نویسنده مقاله ضمن ارائه تجربیات شخصی خود در این عرصه، بر ایجاد بانک منابع بنیادی متنوع در حیطه زبانشناسی نوین تاکید دارد. به زعم وی، موفقیت های و دستاوردهای آینده، منوظ به تقویت داده های نوین و مورد نیاز زیرساختی در حیطه زبانشناسی، بعنوان یک علم بین رشته ای با تکنولوژی به منظور کسب دستاوردهای کاربردی، اجتناب ناپذیر است.
ارائه یک مدل تخمین کیفیت مترجم ماشینی انگلیسی به فارسی با استفاده از یادگیری انتقالی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه، ارزیابی ترجمه ماشینی بدون داشتن ترجمه مرجع، به عنوان یکی از حوزه های پژوهشی ترجمه ماشینی از اهمیت بالایی برخوردار است. یکی از چالش های موجود در این زمینه، مخصوصاً برای زبان های کم منبع، عدم وجود داده های آموزشی مناسب است. برای این منظور میتوان از روش های مبتنی بر شبکه عصبی که قبلاً روی مدلهای زبانی چند زبانه آموزش دیده شده استفاده کرده و با استفاده از یادگیری انتقالی کیفیت ترجمه برای یک جفت زبان جدید را تخمین زد. در این مقاله کیفیت یک مجموعه تست انگلیسی - فارسی به این صورت تخمین زده شده است. همچنین مجموعه ای از داده ها ی آموزشی برای جفت زبان انگلیسی - فارسی تهیه شده و روی آن پیش پردازش های مناسب انجام گرفته مدل چند زبانه موجود با آن دادگان تنظیم دقیق شده است. استفاده از این داده ها ی آموزشی، همبستگی پیرسون با مجموعه تست را به میزان 29 درصد بهبود داده است.