Машинний переклад на основі правил (МПОП, англ. rule-based machine translation, RBMT) — це класичний підхід систем машинного перекладу, що базується на лінгвістичній інформації мови оригіналу та цільової мови. Така інформація отримується з (одномовних, двомовних або багатомовних) словників та граматик, що охоплюють основні семантичні, морфологічні та синтаксичні закономірності кожної мови. Маючи вхідні речення, система МПОП генерує вихідні речення на основі аналізу як мови оригіналу, так і цільової мови. МПОП поступово був витіснений більш ефективними методами, зокрема нейронним машинним перекладом.

Історія Перші системи МПОП були розроблені на початку 1970-х років. Найважливішими етапами цієї еволюції стала поява наступних систем МПОП:

Systran[en] Японські системи машинного перекладу

Сьогодні інші поширені системи МПОП включають:

Apertium GramTrans[en]

Типи МПОП Існує три різні типи систем машинного перекладу на основі правил:

Прямі системи машинного перекладу (словниково-орієнтовані[en]), що здійснюють відображення вхідного тексту у вихідний на основі базових правил. Трансферні системи машинного перекладу (трансферний машинний переклад[en]), які застосовують морфологічний і синтаксичний аналіз. Інтерлінгвальні системи машинного перекладу (інтерлінгва), що використовують абстрактне значення.

Системи машинного перекладу на основі правил (МПОП) також можна охарактеризувати як системи, протилежні системам машинного перекладу на основі прикладів (машинний переклад на основі прикладів), тоді як гібридні системи машинного перекладу використовують багато принципів, запозичених із МПОП.

Основні принципи Основний підхід систем МПОП базується на зв'язуванні структури заданого вхідного речення зі структурою потрібного вихідного речення, обов'язково зберігаючи їх унікальне значення. Наступний приклад може проілюструвати загальну структуру МПОП:

A girl eats an apple. Мова оригіналу = англійська; Цільова мова перекладу = українська

Щоб отримати переклад цього англійського речення українською, як мінімум потрібно:

Словник, який зіставлятиме кожне англійське слово з відповідним українським словом. Правила, що відображають структуру простих англійських речень. Правила, що відображають структуру простих українських речень.

І нарешті, нам потрібні правила, згідно з якими можна пов'язати ці дві структури разом.

Відповідно, можна виділити такі етапи перекладу :

По-перше, отримати основну інформацію про частини мови кожного слова мови оригіналу:

a = неознач. артикль; girl = іменник; eats = дієслово; an = неознач. артикль; apple = іменник

По-друге, отримати синтаксичну інформацію про дієслово «to eat»:

іменник-eat-іменник; тут: eat — теперішній простий час, 3-тя особа однини, активний стан

По-третє, розібрати вихідне речення:

(іменник an apple) = додаток до дієслова eat

Зазвичай часткового розбору речення достатньо, щоб дістатися до синтаксичної структури вихідного речення та зіставити її зі структурою цільового речення.

По-четверте, перекласти англійські слова українською мовою

a (категорія = неознач. артикль) => в українській мові артиклі відсутні

girl (категорія = іменник) => дівчина (категорія = іменник)

eat (категорія = дієслово) => їсти (категорія = дієслово)

an (категорія = неознач. артикль) => в українській мові артиклі відсутні

apple (категорія = іменник) => яблуко (категорія = іменник)

По-п'яте, підставляємо словникові записи слів у відповідні словозмінні форми (останній етап генерації):

A girl eats an apple. => Дівчина їсть яблуко.

Компоненти Система МПОП містить:

Морфологічний аналізатор мови оригіналу — аналізує слово мови оригіналу та надає морфологічну інформацію; Синтаксичний аналізатор мови оригіналу — аналізує синтаксичну структуру речення мовою оригіналу; Перекладач — використовується для перекладу слова з мови оригіналу на цільову мову; Морфологічний генератор цільової мови — генерує відповідні слів цільовою мовою за заданими граматичними параметрами; Синтаксичний аналізатор цільової мови — компонує синтаксично відповідні речення цільовою мовою; Інші словників, щонайменше ці три словники:

словник мови оригіналу — необхідний для морфологічного аналізатора мови оригіналу,

двомовний словник — необхідний для перекладу слів з мови оригіналу на цільову мову,

словник цільової мови — необхідний для морфологічного генератора цільової мови.

Система МПОП використовує наступне:

Граматика мови оригіналу, яка будує синтаксичні конструкції з вхідних речень; Вся допустима лексика мови оригіналу в домені; Зіставлення правил в мові оригіналу, які показують як синтаксичні та граматичні конструкції зіставляються з поняттями домену та семантичними ролями в мові-інтерлінгві; Модель домену / онтологія, яка визначає класи понять домену та обмежує наповнювачі семантичних ролей для кожного класу; Зіставлення правил в цільовій мові, які вказують, як поняття домену та семантичні ролі в мові-інтерлінгві відображаються в синтаксичних та граматичних конструкціях для цільовій мові; Лексика цільової мови містить відповідні цільові лексеми для кожного поняття в домені; Граматика цільової мови, яка реалізує синтаксичні конструкції цільової мови як лінійну послідовність слів.

Переваги

Двомовні тексти не потрібні. Це дає змогу створювати системи перекладу для мов, які не мають спільних текстів або навіть взагалі не мають оцифрованих даних. Незалежні від домену. Правила зазвичай пишуться незалежно від домену, тому переважна більшість правил працюватимуть у кожному домені. Лише для винятків у кожному домені можуть знадобитися написання нових правил. Немає обмеження якості. Кожну помилку можна виправити за допомогою певного правила, навіть якщо це максимально нестандартний випадок. А в статистичних системах такі випадки зазвичай були б видалені. Повний контроль. Оскільки всі правила пишуться від руки, ви можете легко налагодити систему на основі правил[en], щоб точно побачити, де та чому виникає певна помилка. Повторне використання. Оскільки системи МПОП будуються на основі чіткого аналізу мови оригіналу, який потім застосовують для генератора цільової мови, цей аналіз і процес генерації цільової мови можуть бути спільними для кількох систем перекладу. Через це необхідно лише ознайомитись з процесом перенесення цього аналізу для генерації перекладу. Крім того, аналіз вихідної мови для однієї мови може бути використаний повторно для початкового аналізу схожої мови.

Недоліки

Недостатня кількість якісних словників, а створення нових словників дорого. Деяку лінгвістичну інформацію все ще потрібно встановлювати вручну. Важко орієнтуватися у зв'язках між правилами у великих системах та ідіоматичними виразами. Нездатність адаптуватися до нових доменів. Хоча системи МПОП зазвичай забезпечують механізм для створення нових правил, розширення та адаптації лексикону, зміни коштують дорого, а результати часто не виправдовують витрати.

Примітки

Джерела

Arnold, D.J. et al. (1993): Machine Translation: an Introductory Guide Hutchins, W.J. (1986): Machine Translation: Past, Present, Future

Посилання

First International Workshop on Free/Open-Source Rule-Based Machine Translation https://web.archive.org/web/20120306014535/http://www.inf.ed.ac.uk/teaching/courses/mt/lectures/history.pdf https://web.archive.org/web/20150914205051/http://www.csse.unimelb.edu.au/research/lt/nlp06/materials/Bond/mt-intro.pdf