Принципы построения систем фразеологического машинного перевода текстов
были впервые сформулированы в 1975 году в предисловии к книге Д. Жукова "Мы
переводчики". В более полном виде они были изложены в 1983 году в книге Г.
Г. Белоногова и Б. А. Кузнецова "Языковые средства автоматизированных
информационных систем". Наконец, в 1993 году были опубликованы две статьи,
в которых были описаны система машинного перевода, построенная на этих
принципах, и методы автоматизированного составления двуязычных словарей по
параллельным (русских и английским) текстам. Важнейшими среди этих
принципов являются следующие:
1. Основными единицами языка и речи, которые, прежде всего, следует
включать в машинный словарь, должны быть фразеологические единицы
(словосочетания, фразы). Отдельные слова также могут включаться в словарь,
но они должны использоваться только в тех случаях, когда не удается
осуществить перевод, опираясь только на фразеологические единицы.
2. Наряду с фразеологическими единицами, состоящими из непрерывных
последовательностей слов, в системах машинного перевода следует
использовать и так называемые "речевые модели" - фразеологические единицы с
"пустыми местами", которые могут заполняться различными словами и
словосочетаниями, порождая осмысленные отрезки речи.
3. Реальные тексты, независимо от их принадлежности к той или иной
тематической области, обычно бывают политематическими, если они имеют
достаточно большой объем. Поэтому машинный словарь, предназначенный для
перевода текстов даже только из одной тематической области, должен быть
политематическим, а для перевода текстов из различных предметных областей -
тем более. Он должен создаваться, прежде всего, на основе
автоматизированной обработки двуязычных текстов, являющихся переводами друг
друга, и в процессе функционирования систем перевода.
4. Наряду с основным политематическим словарем большого объема, в
системах фразеологического машинного перевода целесообразно использовать
также набор небольших по объему дополнительных тематических словарей.
Дополнительные словари должны содержать только ту информацию, которая
отсутствует в основном словаре (например, информацию о приоритетных
переводных эквивалентах словосочетаний и слов для различных предметных
областей).
На основе описанных принципов в ВИНИТИ РАН (см. выше) были построены две
системы фразеологического машинного перевода:
1) система русско-английского перевода (RETRANS)
2) система англо-русского перевода (ERTRANS).
Обе системы имеют одинаковую структуру и примерно одинаковые объемы
машинных словарей. Поэтому мы рассмотрим только первую систему.
Система RETRANS имеет следующие характеристики:
1. Область применения, назначение, функциональные возможности. Система
предназначена для автоматизированного перевода научно-технических текстов с
русского языка на английский. Русско-английский политематический машинный
словарь системы содержит терминологию по естественным и техническим наукам,
экономике, бизнесу, политике, законодательству и военному делу. В
частности, он содержит термины и фразеологические единицы по следующим
тематическим областям: Машиностроение, Электротехника, Энергетика,
Транспорт, Аэронавтика. Космонавтика, Робототехника, Автоматика и
Радиоэлектроника, Вычислительная Техника, Связь, Математика, Физика, Химия,
Биология, Медицина, Экология, Сельское Хозяйство, Строительство и
Архитектура, Астрономия, География, Геология, Геофизика, Горное Дело,
Металлургия и др.
Перевод текстов может осуществляться в автоматическом и в диалоговом
режимах.
2. Объем политематического машинного словаря: более 1.300.000 словарных
статей; 77 процентов из них составляют словосочетания длиной от двух до
семнадцати слов. Объем дополнительных машинных словарей (для настройки
системы на различные тематические области) - более 200.000 словарных
статей.
Система МП PROMT XT. В основу программных продуктов компании PROMT
поставлено решение следующих фундаментальных проблем:
Во-первых, всем ясно, что чем больше словарь, тем лучше перевод, значит,
первая проблема - проблема создания больших словарей для систем.
Во-вторых, ясно, что система должна переводить такие предложения:
ПРИВЕТ, КАК ДЕЛА? Значит, еще одна проблема - научить систему распознавать
устойчивые обороты.
В-третьих, понятно, что предложение для перевода пишется по определенным
правилам, по определенным правилам переводится, а значит есть еще одна
проблема: записать все эти правила в виде программы. Вот, собственно, и
все.
Самое интересное, что эти проблемы действительно являются основными при
разработке систем машинного перевода, другое дело, что методы их решения
известны далеко не всем и отнюдь не так просты, как может показаться.
Методы организации больших баз данных достаточно хорошо разработаны, но
для перевода не менее, а может быть, и более важно правильно
структурировать информацию, которая приписывается элементу базы, правильно
выбрать этот самый элемент. Сколько, например, записей в словаре должно
соответствовать обыкновенному русскому слову "программа"? И, вообще,
большой словарь - это словарь, который содержит много словарных статей, или
словарь, который позволяет распознать много слов из текста? Очевидно, более
верно второе. Поэтому для описания и входного, и выходного языка в системе
должен существовать некоторый формальный метод описания морфологии, на
котором основывается выбор единицы словаря.
Практически во всех системах, которые претендуют на то, чтобы считаться
системами перевода, проблема представления морфологических моделей так или
иначе решается. Но одни системы могут распознать миллион словоформ при
объеме словаря в пятьдесят тысяч словарных статей, а другие при объеме
словаря в сто тысяч словарных статей могут распознать именно эти сто тысяч.
В системах семейства PROMT разработано практически уникальное по полноте
морфологическое описание для всех языков, с которыми системы умеют
обращаться. Оно содержит 800 типов словоизменений для русского языка, более
300 типов, как для немецкого, так и для французского языка, и даже для
английского, который не принадлежит к флективным языкам, выделено более 250
типов словоизменений. Множество окончаний для каждого языка хранится в виде
древесных структур, что обеспечивает не только эффективный способ хранения,
но и эффективный алгоритм морфологического анализа.
Кроме того, используемая модель морфологии позволила разработать
экспертную систему для пользователя - создателя словаря. Эта система
фактически автоматизирует процедуру выделения основы и определения типа
словоизменения при вводе новых словарных статей.
Такой возможности нет ни в одной из существующих систем машинного
перевода, даже в таких распространенных системах как Power Translator
(Globalink, США), Language Assistant (MicroTac, США), TRANSEND
(Intergaph,США), где пользователям приходится вручную спрягать и склонять
слова для задания морфологической модели.
Однако разработка описания морфологии позволяет решить только проблему
того, что является заголовком словарной статьи, по которому происходит
идентификация единицы текста и единицы словаря. Но ведь идентификация слова
из текста со словарной статьей происходит не ради идентификации, как это
требуется в спеллерах или электронных словарях, она необходима для
выполнения программой собственно процедур перевода. Какая же нужна
информация в словарной статье и как должны быть описаны правила перевода
для того, чтобы программа переводила?
Во многих системах МП в прошлом (как, впрочем, и сейчас) словарное
описание и описание алгоритмов рассматривались как стороны одной проблемы,
но решение, как правило, искалось в ограничении рассматриваемого мира, либо
грамматического, либо семантического. Например, на основе признака
"принадлежность к части речи" описывалась грамматика такого типа:
именная группа - это существительное
именная группа - это прилагательное + именная группа
глагольная группа - это глагол + именная группа
предложение - это именная группа + глагольная группа
Понятно, что некоторая часть предложений естественного языка описывается
такой грамматикой, но эта часть очень незначительна, и на ее основе нельзя
правильно анализировать и переводить хоть сколько-нибудь реальный текст. Но
зато можно использовать эффективные методы построения преобразователя по
заданной грамматике или, на худой конец, написать программу, которая путем
перебора построит древа зависимостей для ограниченного множества
предложений. Такие системы точно так же получали определения
"экспериментальные".
Так или иначе, но именно из таких проектов появились системы перевода,
которые сейчас предлагаются конечному пользователю. Это и Power Translator
(компания Globalink) и Language Assistant (компания MicroTac) и TRANSEND
(компания Intergraph).
Системы семейств STYLUS и PROMT - не исключение, поскольку многие
специалисты компании PROMT имели опыт работы в такого типа проектах. Однако
при разработке систем PROMT впервые был применен фактически революционный
подход, который и позволил получить впечатляющие результаты. Системы
перевода семейства PROMT - это системы, спроектированные на основе не
лингвистических, а кибернетических методов.
Оказалось, что очень продуктивно рассматривать систему перевода не как
транслятор, задачей которого является перевод текста, допустимого с точки
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13
