miniatura| De la A a la A La traducció automàtica pot usar un mètode basat en entrades de diccionari, la qual cosa significa que les paraules es traduiran com un diccionari: paraula per paraula, normalment sense gaire correlació de significat entre elles. Les consultes als diccionaris es poden fer amb anàlisi morfològica o lematització o sense. Tot i que aquest mètode de traducció automàtica és probablement el menys sofisticat, la traducció automàtica basada en diccionaris és ideal per a la traducció de llargues llistes de frases a nivell suboracional (és a dir, no una frase completa), com ara inventaris o catàlegs simples de productes i serveis.

També es pot utilitzar per a accelerar la traducció manual, si la persona que la fa domina les dues llengües i, per tant, és capaç de corregir la sintaxi i la gramàtica.

LMT LMT, introduït al voltant de 1990, és un sistema de traducció automàtica basat en Prolog que funciona amb diccionaris bilingües especialment dissenyats, com ara el Collins English-German (CEG), que s'han reescrit en una forma indexada que els ordinadors poden llegir fàcilment. Aquest mètode utilitza una base de dades lèxica estructurada (LDB) per a identificar correctament categories de paraules de la llengua d'origen, construint així una frase coherent en la llengua de destinació, basada en una anàlisi morfològica rudimentària. Aquest sistema fa servir "marcs" per a identificar la posició que hauria de tenir una determinada paraula, des d'un punt de vista sintàctic, en una frase. Aquests "marcs" es correlacionen mitjançant convencions lingüístiques, com ara UDICT en el cas de l'anglès.

En la seva forma inicial (prototip), LMT usa tres lèxics, als quals s'accedeix simultàniament: font, transferència i destinació, encara que és possible encapsular tota aquesta informació en un sol lèxic. El programa usa una configuració lèxica que consta de dos elements principals. El primer element és un repertori de lèxic codificat a mà que conté possibles traduccions incorrectes. El segon element consisteix en diversos diccionaris bilingües i monolingües relacionats amb les dues llengües que són la llengua d'origen i la llengua de destí.

Traducció automàtica basada en exemples i diccionaris Aquest mètode de traducció automàtica basada en diccionaris explora un paradigma diferent de sistemes com l'LMT. Un sistema de traducció automàtica basat en exemples només se subministra amb un "corpus bilingüe alineat per frases". A partir d'aquestes dades, el programa de traducció genera un "diccionari bilingüe paraula per paraula" que s'utilitza per a traduccions posteriors.

Tot i que aquest sistema generalment es consideraria una forma completament diferent de traducció automàtica que la traducció automàtica basada en diccionaris, és important entendre la naturalesa complementària d'aquests paradigmes. Amb la potència combinada inherent en ambdós sistemes, juntament amb el fet que una traducció automàtica basada en diccionaris funciona millor amb llistes de paraules de "diccionari bilingüe paraula per paraula" es demostra que l'acoblament d'aquests dos motors de traducció generaria una eina de traducció molt potent. A més de ser semànticament precisa, és capaç de millorar les seves pròpies funcionalitats mitjançant bucles de retroalimentació perpetus.

Un sistema que combina ambdós paradigmes d'una manera similar al que s'ha descrit al paràgraf anterior és el motor de traducció automàtica Pangloss Example-Based Machine Translation engine (PanEBMT). PanEBMT utilitza una taula de correspondències entre idiomes per a crear el corpus. A més, PanEBMT admet múltiples operacions incrementals al seu corpus, cosa que facilita una traducció esbiaixada usada amb finalitats de filtratge.

Processament de text paral·lel Douglas Hofstadter, amb la seva obra "Le Ton beau de Marot: In Praise of the Music of Language", demostra la complexitat de la tasca de la traducció. L'autor va produir i analitzar desenes i desenes de possibles traduccions per a un poema francès de divuit versos, revelant així el complex funcionament intern de la sintaxi, la morfologia i el significat. A diferència de la major part dels motors de traducció, que trien una única traducció basada en la comparació consecutiva dels textos tant en la llengua d'origen com en la de destinació, el treball de Douglas Hofstadter demostra el nivell inherent d'error present en qualsevol forma de traducció quan el significat del text d'origen és massa detallat o complex. Així doncs, es planteja el problema de l'alineació del text i les "estadístiques de la llengua".

Aquestes discrepàncies van conduir a les opinions de Martin Kay sobre la traducció i els motors de traducció en general. Com diu Kay, "Per aconseguir èxits més substancials en aquestes empreses caldrà una imatge més nítida del món que qualsevol que es pugui obtenir simplement a partir de les estadístiques de l'ús de la llengua" [(pàgina xvii) Processament de text paral·lel: alineació i ús de corpus de traducció]. Així, Kay ha tornat a posar a la llum la qüestió del significat dins del llenguatge i la distorsió del significat a través dels processos de traducció.

Estructura conceptual lèxica Un dels possibles usos de la traducció automàtica basada en diccionaris és facilitar la "tutoria de llengües estrangeres" (FLT). Això es pot aconseguir mitjançant la tecnologia de traducció automàtica, així com la lingüística, la semàntica i la morfologia per a produir "diccionaris a gran escala" en pràcticament qualsevol idioma. El desenvolupament de la semàntica lèxica i la lingüística computacional durant el període comprès entre 1990 i 1996 va fer possible que el " processament del llenguatge natural " (PLN) prosperés, adquirint noves capacitats, tot i que va beneficiar la traducció automàtica en general.

L'"estructura conceptual lèxica" (ECL) és una representació independent del llenguatge. S'utilitza principalment en la tutoria de llengües estrangeres, especialment en l'element de processament del llenguatge natural de la FLT. LCS també ha demostrat ser una eina indispensable per a la traducció automàtica de qualsevol mena, com ara la traducció automàtica basada en diccionaris. En general, un dels objectius principals de l'LCS és "demostrar que els sentits verbals sinònims comparteixen patrons de distribució".

"DKvec" "DKvec és un mètode per a extreure lèxics bilingües, a partir de corpus paral·lels sorollosos, basat en les distàncies d'arribada de paraules en corpus paral·lels sorollosos". Aquest mètode ha sorgit en resposta a dos problemes que afecten l'extracció estadística de lèxics bilingües: "(1) Com es poden utilitzar corpus paral·lels sorollosos? (2) Com es poden fer servir corpus no paral·lels però comparables?"

El mètode "DKvec" ha demostrat ser inestimable per a la traducció automàtica en general, a causa de l'èxit sorprenent que ha tingut en assajos realitzats en corpus paral·lels sorollosos tant anglès-japonès com anglès-xinès. Les xifres de precisió "mostren una precisió del 55,35% a partir d'un corpus petit i del 89,93% a partir d'un corpus més gran". Amb xifres tan impressionants, és segur assumir l'immens impacte que mètodes com ara "DKvec" han tingut en l'evolució de la traducció automàtica en general, especialment la traducció automàtica basada en diccionaris.

Els algoritmes utilitzats per a extreure corpus paral·lels en format bilingüe exploten les regles següents per a aconseguir una precisió i una qualitat general satisfactòries:

Les paraules tenen un sentit per corpus Les paraules tenen una única traducció per corpus No hi ha traduccions que faltin al document de destinació Les freqüències d'aparicions de paraules bilingües són comparables Les posicions de les aparicions de paraules bilingües són comparables

Aquests mètodes es poden utilitzar per generar o buscar patrons d'ocurrència que al seu torn s'usen per a produir vectors d'ocurrència binaris que fa servir el mètode "DKvec".

Història de la traducció automàtica La història de la traducció automàtica (TA) comença a mitjan dècada de 1940. Les traduccions automàtiques van ser probablement la primera vegada que es van utilitzar els ordinadors amb finalitats no numèriques. La traducció automàtica va gaudir d'un gran interès investigador durant les dècades del 1950 i del 1960, seguit d'un estancament fins a la dècada del 1980. Després de la dècada del 1980, la traducció automàtica va tornar a ser popular, gaudint d'una popularitat encara més gran que a les dècades del 1950 i del 1960, i també d'una ràpida expansió, basada en gran part en l'enfocament de corpus textuals.

El concepte bàsic de la traducció automàtica es remunta al segle XVII en les especulacions al voltant de les "llengües universals i els diccionaris mecànics". Els primers suggeriments pràctics i veritables sobre traducció automàtica van ser fets el 1933 per Georges Artsrouni a França i Petr Trojanskij a Rússia. Tots dos tenien màquines patentades que creien que es podien utilitzar per a traduir el significat d'un idioma a un altre. "El juny de 1952, Yehoshua Bar-Hillel va convocar la primera conferència de MT al MIT". El 7 de gener de 1954, una convenció de traducció automàtica a Nova York, patrocinada per IBM, va servir per a popularitzar el camp. La popularitat de les convencions va provenir de la traducció de frases curtes en anglès al rus. Aquesta gesta d'enginyeria va fascinar el públic i els governs dels EUA i l'URSS, que, per tant, van estimular el finançament a gran escala en la investigació de traducció automàtica. Tot i que l'entusiasme per la traducció automàtica era extremadament alt, les limitacions tècniques i de coneixement van provocar desil·lusions sobre el que la traducció automàtica era realment capaç de fer, almenys en aquell moment. Així, la traducció automàtica va perdre popularitat fins a la dècada del 1980, quan els avenços en lingüística i tecnologia van ajudar a revitalitzar l'interès en aquest camp.

Recuperació d'informació translingüística La recuperació d'informació translingüística (TLIR) consisteix a proporcionar una consulta en un idioma i cercar col·leccions de documents en un o més idiomes diferents. La majoria dels mètodes de TLIR es poden quantificar en dues categories, concretament els enfocaments estadístics d'IR i la traducció de consultes. La TLIR basada en la traducció automàtica funciona de dues maneres. O bé la consulta es tradueix a l'idioma de destí, o bé la consulta original s'utilitza per a cercar mentre que la col·lecció de possibles resultats es tradueix a l'idioma de consulta i es fa servir per a referències creuades. Tots dos mètodes tenen avantatges i inconvenients, és a dir:

Precisió de la traducció: la correcció de qualsevol traducció automàtica depèn de la mida del text traduït, per tant, els textos o paraules curts poden patir un grau més elevat d'errors semàntics, i també ambigüitats lèxiques, mentre que un text més llarg pot proporcionar context, cosa que ajuda a la desambiguació. Precisió de la recuperació: basant-se en la mateixa lògica invocada al punt anterior, és preferible traduir documents sencers, en lloc de consultes, ja que els textos llargs probablement pateixen menys pèrdua de significat en la traducció que les consultes curtes. Practicitat: a diferència dels punts anteriors, traduir consultes curtes és la millor opció. La raó és que és fàcil traduir textos curts, mentre que traduir biblioteques senceres requereix molts recursos, a més del volum d'aquesta tasca de traducció que implica la indexació dels nous documents traduïts.

Tots aquests punts demostren que la traducció automàtica basada en diccionaris és la forma de traducció més eficient i fiable quan es treballa amb TLIR. Això passa perquè el procés "busca cada terme de consulta en un diccionari bilingüe d'ús general i utilitza totes les seves traduccions possibles".

Traducció automàtica de llengües molt properes