Электронные словари и их применимость для традиционного машинного перевода

Электронные словари и их применимость для традиционного машинного перевода

баба, жаба, лаба и т. д. — по «обратному алфавиту», т. е. считая с конца

слова, а не с его начала. Подобные словари очень полезны для подсчета

словарного заполнения грамматических моделей (например, слов с суффиксами

-ик-, -чик-, -щик-, -арь-, -ня-, -ба- и т. д.), для фонетической статистики

финалей, т. е. концов слов, а также и для поисков нужной рифмы, в чем эти

обратные словари перекрещиваются со словарями рифм. Однако ограничение

подачи слова только в основной форме (существительные в именительном падеже

единственного числа, глаголы в инфинитиве и т. п.) сужает поиски рифмы,

которая может быть связана с другими словоформами.

Словарь иностранных слов дает краткое объяснение значений и

происхождения иноязычных слов, указывает язык-источник (последнее

обстоятельство сближает словари иностранных слов с этимологическими).

Начало созданию таких словарей было положено при Петре I, по указанию

которого был составлен рукописный "Лексикон вокабулам новым по алфавиту".

Этот словарик содержал 503 слова. В словнике слова из сферы военного

искусства, мореплавания, дипломатии, администрации. При словах на буквы А,

Б, В, Г сделаны собственноручные поправки Петра (1725 г.). Известные

словари XIX в.: "30 000 иностранных слов" А. Д. Михельсона (М., 1866);

"Толковый словарь иностранных слов" Н. Дубровского (М., 1866). Интересно,

что в первом издании словаря А. Д. Михельсона - 30 000 слов, а через 20 лет

(в издании 1885 г.) - уже 115000: сказалось слишком широкое введение в

словарь специальной терминологии. Из современных словарей наиболее известен

"Словарь иностранных слов" под редакцией И. В. Лехина, С. М. Локшина, Ф. Н.

Петрова (гл. ред.) и Л. С. Шаумяна (6-е изд. М., 1964,. 23 000 слов). Его

публикация началась в 1939 г. Словарь Л. П. Крысина (2-е изд., доп. М.,

2000) содержит около 25 000 слов и словосочетаний, вошедших в русский язык

главным образом в XVIII-XX вв. (некоторые - в более раннее время), а также

образованных в русском языке от иноязычных основ. Он является первым

филологическим словарем иноязычных слов, т. е. таким, в котором описываются

свойства слова, а не обозначаемой им вещи: его происхождение, значение в

современном русском языке, а также произношение, ударение, грамматические

характеристики, смысловые связи с другими иноязычными словами,

стилистические особенности, типичные примеры употребления в речи,

способность образовывать родственные слова.

Словари неологизмов описывают слова, значения слов или сочетания слов,

появившиеся в определенный период времени или употребленные только один раз

(окказионализмы). В развитых языках количество неологизмов, зафиксированных

в газетах и журналах в течение одного года, составляет десятки тысяч. Еще в

стародавние времена неологизмы привлекали к себе внимание ученых. Словари

неологизмов создавались эпизодически. Только с начала 70-х гг. XX в., когда

почти одновременно вышли в свет близкие по характеру и объему словари новых

слов (неологические) русского, английского и французского языков, стало

возможным говорить о появлении новой лексикографической специализации со

своей теоретической базой.

Иногда различают еще нормативные и ненормативные словари. К первым

относят такие, которые устанавливают определенные правила употребления

слов, ко вторым — такие, где подобной задачи не ставится. Нормативным

является большинство справочных словарей (орфоэпические, орфографические),

основная масса толковых словарей. К ненормативным относятся исторические,

этимологические и т. п. словари. В последнее время в связи с усилением

борьбы за культуру речи стали выпускать специальные словари, показывающие

нормы словоупотребления в особенно трудных случаях. Таков, например,

изданный под редакцией С. И. Ожегова словарь-справочник «Правильность

русской речи» (М., 1962).

В заключение нашего обзора важнейших типов словарей отметим

существование многочисленных промежуточных, переходных и смешанных типов.

Так, переходными от лингвистических к нелингвистическим словарям являются

словари терминов различных наук и отраслей техники. Эти словари бывают

одноязычными, двуязычными и многоязычными. Широкое распространение имеют

терминологические словари, включающие специальные термины, употребляемые в

какой-либо научной области: химии, биологии, медицине, гидротехнике и т. п.

Такие словари есть и для языкознания. Наиболее известны «Словарь

лингвистических терминов» Ж. Марузо, изданный в русском переводе 1960 г.,

но во многом уже устаревший, и «Словарь лингвистических терминов» О. С.

Ахмановой (М., «Советская энциклопедия», 1966), отражающий современную

лингвистическую терминологию. Словарь раскрывает содержание терминов и дает

их иноязычные соответствия, что очень важно для чтения специальной

литературы на английском, немецком и других языках. Например,

АНТРОПОНИМИКА англ. study of personal names, фр. anthroponymie, нем.

Anthroponymie, исп. antro-ponimia. Раздел лексикологии, изучающий

собственные имена людей (стр. 50).

Терминологические словари могут содержать термины, употребительные в

отдельных направлениях науки, научных школах. Таковы «Словарь американской

лингвистической терминологии» Э. Хэмпа (М., «Прогресс», 1964) или

«Лингвистический словарь пражской школы» Й. Вахека (М., «Прогресс», 1964).

Существует, наконец, тип универсальных словарей, одновременно толковых

и энциклопедических, включающих также этимологические и исторические

справки, иногда важнейший материал иноязычных цитат, и снабженных в нужных

случаях рисунками. Это различные «словари Лярусса» (по имени французского

издателя, организовавшего выпуск таких словарей), в частности «Большой

Лярусс», «Малый Лярусс» и т.д.; английские «словари Вебстера» (по имени

первого составителя этих словарей), например, Webster’s Third New

International Dictionary (Springfield. Mass., 1961), и другие издания и

переработки, в том числе даже карманные; к этому типу примыкает в известном

смысле и толковый словарь Хорнби.

Составление словарей

Важным вопросом при составлении словаря является вопрос о порядке

расположения материала.

Чаще всего используется алфавитный порядок, иногда - в том или ином

сочетании с иными принципами расположения. Например, во многих случаях

применяется гнездование, т. е. объединение в одно «гнездо» (в рамках одной

словарной статьи) слов, связанных общностью корня, хотя бы это нарушало

алфавитную последовательность. Фактически в этих случаях происходит

отступление от алфавитного порядка слов в сторону алфавитного порядка

корней. Это оказывается очень удобным для некоторых типов словарей,

например для словообразовательных и этимологических. Последовательное

проведение гнездового принципа соответствует лексикографической традиции

многих языков. Так, например, арабские словари принято строить именно по

алфавиту корней, помещая под каждым корнем все производные (в том числе и

производные с приставками). Иногда и в словарях славянских языков глаголы с

приставками включают в статью соответствующего бесприставочного глагола. Из

русских толковых словарей гнездовой принцип наиболее широко применяют

первые издания словаря Даля (до переработки словаря Бодуэном де Куртенэ),

однако для приставочных глаголов сделано исключение — они идут на своем

алфавитном месте.

Особое использование алфавитного принципа имеем в обратных словарях.

Слова в этих словарях располагаются по алфавиту не начальных, а конечных

букв слова: а, ба, баба, жаба, ...амёба, ...служба, ...изба, ...шайба,

...колба, ...дамба и т. д. до последних слов, оканчивающихся на -яя:

передняя, ...безмужняя. Среди неалфавитных принципов расположения материала

важнейшим является принцип систематики (логической классификации) понятий,

выражаемых лексическими единицами. Именно по этому принципу строятся

упомянутые выше идеографические словари (называемые также «идеологическими»

или «тематическими»). Вырабатывается та или иная логическая классификация

понятий, и все, что подлежит включению в словарь, располагается по рубрикам

этой классификации. Идеографические словари могут быть также двуязычными и

многоязычными. Особую разновидность идеографических составляют «картинные

словари» (по-французски «vocabulaires par l'image», по-немецки

«Bildwцrterbьcher»), обычно двуязычные или многоязычные. Они содержат

рисунки, изображающие тот или иной «кусок действительности» (например,

комнату с обстановкой, цех завода, угольную шахту, птицеводческую ферму,

улицу и т. д.) и обильно снабженные номерами, под которыми на той же или

соседней странице приводятся названия соответствующих предметов на одном,

двух или нескольких языках. Из упомянутых выше словарей систематический

принцип расположения применен в словарях пословиц Даля и Челаковского (ср.

например, рубрики Челаковского: I. Бог. Религия. Черт. Грех... II. Добро -

зло... III. Правда - ложь... и т.д.).

Составление словарей — очень сложная работа. Кроме общелингвистических

положений о слове, его значениях и употреблении, грамматических и

фонетических характеристик, надо знать технику составления словарей и

понимать состав словаря.

Словарь состоит из: 1) словника, т. е. подбора со взаимными ссылками и

отсылками, 2) филиации, т. е. расчлененной подачи значений той или иной

вокабулы, 3) стилистических, грамматических и фонетических ремарок или

помет к словам и их значениям, 4) иллюстративных примеров, 5)

идиоматических и фразеологических сочетаний к данному слову и 6) перевода

(в разноязычных словарях) или толкования (объяснения — в одноязычных

словарях).

Особо следует оговорить, что взаимно противоположные словари (допустим,

русско-казахский и казахско-русский) никак нельзя мыслить просто как

перестановку «правой колонки» (переводы) в «левую» (подлинники), и

наоборот. Такие словари по словнику перекрывают друг друга лишь частично,

так как каждый словарь «в подлинниках», т. е. в вокабулах, исходит из

лексического состава своего языка, а, как известно, лексический состав

разных языков (даже близкородственных) не совпадает. Поэтому любой

переводный словарь (есть ли уже «обратный словарь» или его нет) должен

иметь свой идиоматичный данному языку словник, для чего лучше всего

опираться на одноязычный толковый словарь данного языка.

Глава II. ЭЛЕКТРОННЫЕ СЛОВАРИ

С появлением компьютерной техники, создатели программного обеспечения

создали новый тип словарей - электронный словарь. Такой тип словаря -

абсолютно новое слово в истории лексикографии, отметившее новую

качественную ступень ее развития. Именно сейчас электронные словари вышли

из тени бумажных и становятся самостоятельными игроками на языковой

площадке, причем игроками, которые, похоже, в ближайшее время сделают

остальных действующих лиц экспонатами Музея книги. Ведь электронные словари

обладают рядом очевидных и существенных преимуществ по сравнению со

словарями традиционными. Единственным же их недостатком является

привязанность к персональному компьютеру и, следовательно, ограниченная

доступность. Однако этот недостаток будет достаточно скоро устранен если не

полностью, то, по крайней мере, большей частью, вследствие все возрастающих

темпов компьютеризации, в том числе и растущей доступностью переносным

компьютеров типа Laptop.

Электронных словарей сейчас выпущено довольно много, поэтому остановимся

только на двуязычных англо-русских и русско-английских словарях. Для

примера возьмем два самых известных: Lingvo компании Abbyy и МультиЛекс,

разработанный фирмой МедиаЛингва. Эти словари любопытно сравнить, ведь

создающие их команды, исповедуют разные взгляды на принципы электронной

лексикографии.

Электронные словари "МультиЛекс"

Компания МедиаЛингва придерживается при создании словарей МультиЛекс

довольно простой стратегии. Она создает цифровую копию известных книжных

изданий. На сайте фирмы можно найти формулировку этого принципа: "В основу

электронных словарей заложены словарные базы книжных изданий, уже

завоевавших популярность и признание среди переводчиков, преподавателей

иностранных языков, студентов и школьников". Некоторые эксперты считают,

что такая политика покоится на эксклюзивном договоре МедиаЛингва с

"естественным монополистом" рынка российских словарей, издательством

"Русский язык". С точки зрения МедиаЛингва, задача электронной

лексикографии - как можно точнее перевести традиционный словарь в

электронную форму.

За основу словаря МультиЛекс взят "Новый большой англо-русский словарь"

под редакцией А.Д. Апресяна. Есть и расширенная версия, где к основному

словарю добавлены экономико-финансовый, юридический, строительный,

политехнический словари и словарь по полиграфии и издательскому делу.

Конечно, словарь Апресяна - выдающееся достижение лексикографии, но

подход МедиаЛингва имеет и недостатки. Первое, традиционные словари

довольно серьезно отстают от языковой реальности. Обычно это не менее

десяти лет. А электронные словари можно пополнять чуть ли не ежедневно.

Второе, словари, содержащие сотни тысяч словарных статей, какими бы

квалифицированными лексикографами они не составлялись, всегда содержат

ошибки и неточности, не говоря уже о возникновении дополнительных значений

слов. Жесткая привязка к бумажному прототипу не дает возможности исправлять

и дополнять электронный, тем более изменять структуру построения словарной

статьи.

Электронные словари "Lingvo"

По другому и, вероятно, более перспективному пути пошла компания Abbyy.

Конечно, и в их большом электронном словаре Lingvo7.0 есть переведенные в

цифровой вид лицензированные бумажные словари - это политехнический,

юридический, экономический, финансовый, медицинский и - что очень

своевременно - динамично пополняемый компьютерный словарь. Но основу

Lingvo, по словам руководителя лингвистического отдела фирмы Владимира

Селегея, составляет электронный словарь собственной разработки. Каждая

новая версия Lingvo дополняется актуальной лексикой, и в ней исправляются

найденные ошибки и неточности. Таким образом, благодаря лексикографическим

исследованиям англо-русский словарь фирмы Abbyy близок к языковой практике.

Удачной находкой Abbyy выглядит приглашение всем желающим размещать на

их Интернет-узле словари собственного изготовления

http://www.lingvo.ru/dictionaries/index.php. Такое вовлечение пользователей

в лексикографическую работу вполне соответствует духу открытых Интернет-

сообществ. Дополнительных словарей на сайте уже набралось 23 штуки. Причем

всякий желающий может скачать их из Интернета и присоединить хоть все к уже

имеющимся в базовой версии. Надо сказать, что базовая версия Lingvo-7.0

содержит миллион двести тысяч словарных статей. Причем основные статьи

тщательно проработаны. Например, не самая большая статья о слове 'go'

содержит более двадцати пяти тысяч знаков.

Первое, что бросается в глаза, когда мы говорим об электронных словарях

- это резкое сокращение объема. На десятиграммовом компакт-диске помещается

целая полка толстых словарей общим весом в двадцать пять килограмм. Но,

естественно, не это главное. Важно, что электронный словарь принципиально

может обойти ключевое противоречие книжной лексикографии: чем больше

информации предлагает словарь, чем развитее его научный аппарат, тем

сложнее им пользоваться. Поэтому классические словари разделяется на две

категории. Первая - популярные, относительно удобные, но довольно простые.

Вторая - обстоятельные академические издания, не позволяющие быстро

получить искомую информацию.

Современные электронные словари не только значительно превосходят по

объему книжные, но и находят искомое слово или словосочетание за несколько

секунд. Причем искать можно в любой форме. Некоторые, например Lingvo,

встраиваются во все основные офисные приложения и выделенное слово можно

переводить нажатием нескольких клавиш.

Преимущества электронных словарей

При традиционном подходе минимальной единицей доступа является лексема

(имя словарной статьи): нужно прочесть всю статью, чтобы определить,

содержится ли в ней ответ на наш запрос. Для таких словарей, как

оксфордский, это представляет серьезную проблему. Например, глагол 'set'

имеет там 400 только основных значений (и у многих из них имеются

подзначения).

Пользователь хотел бы, чтобы словарь максимально локализовал релевантную

информацию. При этом речь не идет об автоматическом выборе переводного

эквивалента (если мы говорим о переводном словаре). Специфика словарного

ответа в том, что он дает весьма разнообразную информацию о слове или

словосочетании, а не просто переводное соответствие, предполагает активный

выбор пользователя из нескольких возможных хорошо обоснованных альтернатив.

Однако попытка решить проблему адекватной реакции словаря на запрос

неизбежно наталкивается на сопротивление самого словарного материала,

перенесенного из бумажного словаря.

Электронные словари не только содержат транскрипцию, но и могут

произносить слова. Здесь тоже существует два подхода. В МультиЛекс встроен

синтезатор звука и произносятся все слова. Однако полностью доверять такому

подходу, не контролируя его по транскрипции, опасно. Синтезатор может

неправильно поставить ударение или вообще исказить произношение слова. В

Abbyy Lingvo основную лексику озвучивает диктор с оксфордским

произношением.

Но, конечно, самое главное преимущество хороших электронных словарей -

одновременный поиск не только по названию словарной статьи, но и по всему

огромному объему словарей, что просто нереально в бумажном варианте. Такой

поиск создает многомерный портрет слова, при этом извлекаются из глубин

словарной статьи не только конкретные примеры его использования и

устойчивые выражения, в которых слово встречается, но и обнажаются,

становятся явными языковые законы, которым подчиняются правила

словообразования. Даже мобильный электронный словарь не может отразить все

сиюминутные движения языка, но он может дать ключ для расшифровки и

понимания этих изменений, делая пользователя соавтором лексикографа. Что

очень важно, когда требуется точный смысловой перевод, ведь это не задача

подбора подходящего выражения, а в широком смысле отображение одной

культуры с помощью языка другой. Поэтому в Lingvo можно строить и свой

собственный словарь под общей оболочкой.

Язык — отражение реальной жизни. А жизнь не стоит на месте: появляются

новые отрасли производства, науки, бизнеса, культуры. В обычную разговорную

речь приходят новые слова, термины, устойчивые словосочетания. Можно ли

представить в речи наших сограждан лет десять назад такие слова, как

"холдинг", "транш"? Выражение "конечный пользователь" вызвало бы у них

недоумение, и никто не мог бы предположить, что слово "мыло" будет означать

на компьютерном жаргоне электронную почту (вольная русская транскрипция

английского слова "e-mail").

Вся эта лексика не может быть адекватно отражена в "бумажных" словарях

по той простой причине, что они слишком долго готовятся. Так, известный

англо-русский словарь Мюллера, сочетающий относительную простоту

пользования (один том, хотя и тяжелый!) и полноту содержания, был издан в

1960 году и с тех пор претерпел лишь косметические изменения в 1978 и 1994

годах.

Фактически многие словари, которые сформировались в языковой атмосфере

середины века, сильно устарели. В них не указаны современные значения

старых слов, а многие новые слова просто отсутствуют. Буквальное

перенесение таких словарей на компьютеры бесперспективно. Это стало

особенно очевидно в связи с развитием Интернета: большая часть Веб-страниц

состоит из английских текстов, написанных живым современным языком, обильно

использующим разговорную лексику и сленг. Вряд ли какой-либо из

существующих англо-русских словарей может ответить на этот вызов. Решить

данную задачу под силу лишь электронным словарям.

Большинство "бумажных" словарей ориентировано на человека, читающего на

иностранном языке, то есть человека, который в непонятном ему тексте

находит "опорные" слова, помогающие выстроить общую смысловую картину.

Человек "пишущий", кроме знания всех используемых слов, должен четко

представлять, как эти слова сочетаются друг с другом, какие предлоги при

этом используются, есть ли устойчивые выражения, передающие необходимый

смысл.

Увы, если "бумажный" словарь и удовлетворяет нужды Читателя, то уж

интересы Писателя на неродном языке он чаще всего попросту игнорирует! А

ведь в наш век электронных коммуникаций Писателем стал практически каждый

пользователь Интернета!

И здесь электронный словарь оказывается намного полезнее "бумажного".

Даже буквальное воспроизведение приличного "бумажного" словаря на

компьютере дает возможность извлечь из него столь необходимую Писателю

информацию, похороненную в глубинах словарных статей. Например,

пользователь может открыть на экране сразу несколько словарных статей,

характеризующих все значения слова "достать" (брать, получать, надоесть и

т. д.) как на одном языке, так и на другом, и, таким образом, изучить все

нюансы использования слова.

Однако более правильный путь — подумать о Писателе заранее, при

составлении словаря. Чтобы учесть его интересы, надо уметь описывать

способы образования сложных словосочетаний. Например, как передать по-

английски смысл "подтасовать или фальсифицировать результаты выборов"? Это

выражение не относится к идиоматическим, потому его не следует искать в

словнике целиком. С другой стороны, оно не может быть правильно переведено

и по частям. Логичнее всего искать это выражение в статье "election"

(выборы). Однако, чтобы оно там оказалось, нужно желание разработчиков

словаря его туда поместить.

Чтобы Писатель смог почувствовать оттенки слова, необходимо привести в

словаре максимально возможное количество синонимов — слов, близких по

смыслу. Например, английский глагол break означает, в частности: 1) ломать,

разрушать, разбивать и 2) рвать, разрывать, отрывать. Для первого случая

синонимами будут слова crush (давить, дробить) и smash (разбиваться

вдребезги). Второму значению близки слова separate (отделять, разделять —

более деликатный смысл) и tear off (отрывать, срывать). Через общую "карту"

синонимов становится яснее, как перевести на иностранный язык слово с тем

или иным смысловым оттенком. Очень полезны иллюстрирующие примеры, особенно

на использование слов с предлогами или в устойчивых словосочетаниях.

Например: "уехать отсюда", "уехать куда-то", "уехать за чем-то", "уехать" в

значении "отсутствовать".

Информацию о синонимах, словосочетаниях и случаях употребления

правильнее всего предоставить на родном языке пишущего: если Писатель

русский - то в русско-английском словаре, если он англичанин — то в англо-

русском. Ни для кого не секрет, насколько лучше помогают толковые

английские словари при решении мучительной проблемы, какое слово

употребить. А вот жесткая ориентация словаря на перевод, а не на ОПИСАНИЕ

языка делает его использование Писателем непростым и неочевидным. Таким

образом, в современных электронных словарях отражено пионерское достижение

российской лексикографии - двуязычный словарь во многом становится

толковым. Кроме того, такой электронный словарь, как Lingvo, строит

нажатием нужной клавиши парадигму, то есть совокупность всех форм слова.

Новые мехи требуют нового вина.

Итак, мы видим новое противоречие: между новыми языковыми компьютерными

технологиями и старым традиционным словарным содержанием, не позволяющим

воспользоваться этими технологиями в полном объеме. Иными словами, новые

мехи требуют нового вина!

Источник этого противоречия тоже ясен: словарь представляет собой модель

языка, устроенную на совершенно иных принципах, чем те формальные модели,

которые лежат в основе этих технологий. И если в области морфологии

противоречие еще не очень существенно, то в области синтаксиса и семантики

оно становится почти непреодолимым.

Действительно, технология морфологического анализа всего лишь позволяет

установить соответствие между исходной формой слова из текста и множеством

лексем (словарных входов), для которой такая форма возможна. Синтаксический

анализ позволяет сделать то же самое для словосочетаний, являющихся

отдельными словарными входами.

Однако, для всех этих технологий само словарное содержание является

"непрозрачным", полностью ими игнорируется. Заглянуть "внутрь" словарной

статьи позволяет только полнотекстовый поиск. Однако, этот мощный

инструмент работает со словарным содержимым как с текстом на естественном

языке, что резко ограничивает его возможности.

Первый и очевидный шаг, на который уже идут создатели электронных

словарей, это первичная разметка словарной статьи, формализация той

внутренней структуры, которая в той или иной мере имеется в хороших

бумажных словарях. В результате полнотекстовый поиск может различать, к

примеру, переводы, примеры использования и комментарии, что принципиально

усиливает его возможности с точки зрения пользователя.

Однако все эти меры являются поверхностными. Ясно, что задача состоит в

том, чтобы единицей описания было отдельное лексическое значение, и

технологии анализа могли бы устанавливать соответствие между исходным

запросом и теми лексическими значениями, которые релевантны для этого

запроса по синтаксическим и семантическим критериям.

В качестве иллюстрирующего примера можно привести практически любой

глагол, принадлежащий ядру языка. Например, глагол "развести" может

встретиться в таких контекстах:

разводить руками;

разводить спирт водой;

разводить супругов;

разводить мосты;

разводить баранов;

разводить дерущихся;

разводить пилу;

разводить/разбивать сады

(английские эквиваленты: bring; conduct; part, separate; mix;

dissolve; divorce; breed; plant, etc...)

Задача создания такого словарного содержания, которое позволило бы

сделать единицей анализа отдельное лексическое значение, а не

морфологическую лексему, является, вероятно, наиболее перспективным

направлением в компьютерной лексикографии. Ясно, что для ее решения

требуется "синхронизация" словарных описаний и формальных моделей,

используемых технологиями анализа. В пределе это должно быть единое

интегральное лексико-синтактико-семантическое описание.

Читатели и писатели

Интегральный подход к лексическим описаниям позволяет также решить и

проблему "монофункциональности" бумажных словарей.

К примеру, особенностью большинства бумажных переводных словарей

является ориентация описания структуры лексического значения в исходном

языке на лексическую систему языка перевода и на реализацию ровно одной

функции - собственно перевода с языка А на язык Б в предположении, что язык

А является иностранным, а язык Б - родным. Нечего и говорить, что такое

ограничение делает словарь исключительно неудобным при необходимости

перехода от пользовательской модели Читатель к модели Писатель.

Фактически сегодня такие модели реализуются разными типами словарей, что

достаточно неудобно читателю. Поэтому интегральный подход к лексическим

описаниям оправдан не только методически (и, что немаловажно,

экономически), но и с точки зрения учета интересов пользователя.

Проблема актуальности

Коснемся проблемы актуальности словарного содержания. Как уже

указывалось, фундаментальные (лучшие!) бумажные словари - неизбежно

словари устаревшие.

Особенно это характерно для разговорной лексики, в частности,

ненормативной. В этой области отечественные классические словари предстают

не только устаревшими, но попросту ханжескими.

Функции фиксации текущего состояния языка берут на себя растущие, как

грибы после дождя, небольшие словарики, обычно весьма конъюнктурные и

поверхностные. Новые значения в них оторваны от своих языковых корней,

плохо или произвольно объяснены.

Для массовых программных продуктов, каковыми являются электронные

словари, характерны частая смена версий и наличие постоянной обратной

связи с тысячами пользователями. Поэтому компьютерная лексикография - это

неизбежно актуальная лексикография.

Жизнь электронного словаря должна быть похожа на нелегкую жизнь других

программных систем: с маниакальным стремлением особо вредных пользователей

обнаружить очередную ошибку или лакуну, и, с другой стороны, с возможностью

и необходимостью поправить дело сейчас, а не через десятилетия.

Такой подход всего лишь фиксирует естественное положение дел:

коллективное авторство на словарное содержание принадлежит всем носителям

языка; задача лексикографа - фиксация языковых фактов и их методически

правильное описание.

Соответствие уровню достижений лингвистической науки

Отрыв лексикографической теории от лексикографической практики велик.

Это должно быть особенно обидно для российской лингвистической науки, в

которой лексическая семантика занимает особое место. Достаточно назвать

такие имена, как Мельчук, Апресян, Падучева и многие другие.

Разумеется, существуют особые "концептуальные" словари, в которых

лексика представлена интегрально и систематически. Например толковые и

синонимические словари группы Апресяна.

При этом в массовых бумажных словарях эти идеи не воплощены в жизнь. А

ведь именно в развитии этих идей будущее практической компьютерной

лексикографии. Не углубляясь в подробный анализ теоретических концепций,

являющихся одновременно и практически полезными, укажем следующие из них:

- Понятие "лексической функции", позволяющее систематически описывать

несвободную сочетаемость слов. Например, то, что "войну ведут", а "экзамен

- держат", что "теории выдвигают", а "мысли подают" и т.п.

- Описание семантики и практической реализации грамматического

словоизменения и словообразования. Каждый язык имеет свои собственные

способы грамматического кодирования смысла. И эти способы никогда не

описывается в массовых словарях систематически. Например, как передать по-

английски смысл "довыпендриваться", даже если знаешь как передать

"выпендриваться"?

- Синтаксические описания. Здесь ситуация наиболее печальна, поскольку в

массовых словарях не существует даже системы понятий, с помощью которой

синтаксическая информация могла бы быть доведена до обычного читателя.

Идея, что за составление предложения ответственна грамматика, изложенная в

справочнике, а словарь обеспечивает перевод отдельных слов, не выдерживает

критики с точки зрения современных представлений о центральной роли слова в

синтаксисе.

Выход из этой печальной ситуации уже указан. Будущее лексикографии за

интегральными словарными описаниями, основанными на формальных моделях,

учитывающих упомянутые научные результаты. На этих же моделях будут

основываться технологии доступа к словарному содержанию.

Глава III. МАШИННЫЙ ПЕРЕВОД

Немного истории.

Осуществление перевода компьютером – сложная, но интересная научная

задача. Основная ее сложность состоит в том, что естественные языки плохо

поддаются формализации. Отсюда и невысокое качество получаемого с помощью

систем МП текста, содержание и форма которого служит неизменным объектом

шуток. Однако идея машинного перевода уходит корнями далеко в прошлое.

Впервые мысль о возможности машинного перевода высказал Чарльз Бэббидж,

разработавший в 1836-1848 гг. проект цифровой аналитической машины. Идея Ч.

Бэббиджа состояла в том, что память объемом 1000 50-разрядных десятичных

чисел (по 50 зубчатых колес в каждом регистре) можно использовать для

хранения словарей. Ч. Бэббидж привел эту идею в качестве обоснования для

запроса у английского правительства средств, необходимых для физического

воплощения аналитической машины, которую ему так и не удалось построить.

А через 100 лет, в 1947 году, У. Уивер (директор отделения естественных

наук Рокфеллеровского фонда) написал письмо Норберту Винеру. В этом письме

он предлагал использовать технику дешифрования для перевода текстов. Этот

год считается годом рождения машинного перевода. В этом же году был

разработан алгоритм осуществления пословного перевода, а в 1948 году Р.

Риченс предложил правило разбиения слова на основу и окончание. В

последующие два десятилетия системы машинного перевода бурно развивались. В

январе 1954 года на машине IBM – 701 была продемонстрирована первая система

машинного перевода IBM Mark II. Но в 1967 году специально созданная

Комиссия Национальной Академии Наук США признала машинный перевод

нерентабельным, что существенно затормозило исследования в этой области.

Новый подъем машинный перевод переживает в 70-е годы, а в 80-е становится

экономически выгодным за счет сравнительной дешевизны машинного времени.

Однако в СССР исследования в области машинного перевода продолжались.

После демонстрации системы IBM Mark II группа ученых ВИНИТИ начала

разработку системы машинного перевода для машины БЭСМ. Первый образец

перевода с английского на русский язык был получен к концу 1955 года.

Другое направление работ возникло в Отделении прикладной математики

Математического института АН СССР (ныне ИПМ им. М. В. Келдыша РАН) по

инициативе А. А. Ляпунова. Первые программы машинного перевода,

разработанные этим коллективом, были реализованы на машине "Стрела".

Благодаря работе над созданием систем МП оформилось такое направление, как

прикладная лингвистика.

В 70-е годы над созданием систем МП трудилась группа разработчиков

ВИНИТИ РАН под руководством проф. Г.Г. Белоногова. Первая их система МП

была разработана в 1993 году, а в 1996 году после ряда доработок была

зарегистрирована в РОСАПО под названием Retrans. Эта система использовалась

министерствами обороны, путей сообщения, науки и технологии.

Параллельные исследования велись в лаборатории Инженерной Лингвистики

ЛГПИ им. А. И. Герцена (ныне Педагогический Университет). Именно они и

легли в основу наиболее популярной сейчас системы МП “PROMT”. Последние

версии этого программного продукта используют наукоемкие технологии и

построены на основе технологии расширенных сетей переходов и формализма

нейронных сетей.

Классификация систем машинного перевода по Лари Чайлду

Новые члены форума по иностранным языкам компании CompuServe зачастую

задают вопрос о том, не мог ли бы кто-нибудь посоветовать им хорошую

программу машинного перевода за умеренную цену.

Ответом на этот вопрос неизменно является "нет". В зависимости от

отвечающего, ответ может содержать два основных аргумента: либо о том, что

машинам перевод не под силу, либо, что машинный перевод стоит слишком

дорого.

Оба эти аргумента в определенной степени справедливы. Однако ответ

далеко не так прост. Изучая проблему машинного перевода (МП), следует

рассмотреть отдельно различные подразделы этой проблемы. Следующее

разделение основано на лекциях Лари Чайлдса, проведенных в рамках

Международной Конференции по Техническим Коммуникациям 1990 года:

- полностью автоматический перевод;

- автоматизированный машинный перевод при участии человека;

- перевод, осуществляемый человеком с использованием компьютера.

Полностью автоматизированный машинный перевод. Этот вид машинного

перевода и подразумевается большинством людей, когда они говорят о машинном

переводе. Смысл здесь прост: в компьютер вводится текст на одном языке,

этот текст обрабатывается и компьютер выводит этот же текст на другом

языке. К сожалению, реализация такого вида автоматического перевода

сталкивается с определенными препятствиями, которые еще предстоит

преодолеть.

Основной проблемой является сложность языка как такового. Возьмем, к

примеру, значения слова "can". Помимо основного значения модального

вспомогательного глагола, у слова "can" имеется несколько официальных и

жаргонных значений в качестве существительного: "банка", "отхожее место",

"тюрьма". Кроме этого, существует архаичное значение этого слова - "знать

или понимать". Если предположить, что у выходного языка для каждого из этих

значений имеется отдельное слово, каким образом может компьютер их

различить?

Как оказалось, определенные успехи были достигнуты в сфере разработки

программ перевода, различающих смысл основываясь на контексте. Более

поздние исследования при анализе текстов опираются больше на теории

вероятности. Тем не менее, полностью автоматизированный машинный перевод

текстов с обширной тематикой все еще является невыполнимой задачей.

Автоматизированный машинный перевод при участии человека. Этот вид

машинного перевода теперь вполне осуществим. Говоря о машинном переводе при

участии человека, обычно подразумевают редактирование текстов как до, так и

после их обработки компьютером. Люди-переводчики изменяют тексты так, чтобы

они были понятны машинам. После того, как компьютер сделал перевод, люди

опять-таки редактируют грубый машинный перевод, делая текст на выходном

языке правильным. Помимо такого порядка работы, существуют системы МП, во

время перевода требующие постоянного присутствия человека-переводчика,

помогающего компьютеру делать перевод особенно сложных или неоднозначных

конструкций.

Машинный перевод с помощью человека применим в большей степени к текстам

с ограниченным вокабуляром узко-ограниченной тематики.

Экономичность использования машинного перевода с помощью человека -

вопрос все еще спорный. Сами программы обычно достаточно дорогостоящи, а

для работы некоторых из них требуется специальное оборудование.

Предварительному и последующему редактированию необходимо обучаться, да и

работа эта не из приятных. Создание и поддержание в рабочем состоянии баз

данных слов - процесс трудоемкий и зачастую требует специальных навыков.

Однако для организации, переводящей большие объемы текстов в четко-

определенной тематической сфере, машинный перевод с помощью человека может

оказаться достаточно экономичной альтернативой традиционному человеческому

переводу.

Перевод, осуществляемый человеком с использованием компьютера. При этом

подходе человек-переводчик ставится в центр процесса перевода, в то время

как программа компьютера расценивается в качестве инструмента, делающего

процесс перевода более эффективным, а перевод - точным. Это обычные

электронные словари, которые обеспечивают перевод требуемого слова,

возлагая на человека ответственность за выбор нужного варианта и смысл

переведенного текста. Такие словари значительно облегчают процесс перевода,

но требуют от пользователя определенного знания языка и затрат времени на

его осуществление. И все же сам процесс перевода значительно ускоряется и

облегчается.

Среди систем, помогающих переводчику в работе, важнейшее место занимают

так называемые системы Translation Memory (TM). Системы ТМ представляют

собой интерактивный инструмент для накопления в базе данных пар

эквивалентных сегментов текста на языке оригинала и перевода с возможностью

их последующего поиска и редактирования. Эти программные продукты не имеют

целью применение высокоинтеллектуальных информационных технологий, а

наоборот, основаны на использовании творческого потенциала переводчика.

Переводчик в процессе работы сам формирует базу данных (или же получает ее

от других переводчиков или от заказчика), и чем больше единиц она содержит,

тем больше отдача от ее использования.

Вот список наиболее известных систем ТМ:

- Transit швейцарской фирмы Star,

- Trados (США),

- Translation Manager от IBM,

- Eurolang Optimizer французской фирмы LANT,

- DejaVu от ATRIL (США),

- WordFisher (Венгрия).

Системы ТМ позволяют исключить повторный перевод идентичных фрагментов

текста. Перевод сегмента осуществляется переводчиком только один раз, а

затем каждый следующий сегмент проверяется на совпадение (полное или

нечеткое) с базой данных, и, если найден идентичный или похожий сегмент, то

он предлагается в качестве варианта перевода.

В настоящее время ведутся разработки по усовершенствованию систем ТМ.

Например, ядро системы Transit фирмы Star реализовано на основе технологии

нейронных сетей.

Несмотря на широкий ассортимент систем TM, они имеют несколько общих

функций:

- Функция сопоставления (Alignment). Одно из преимуществ систем ТМ – это

возможность использования уже переведенных материалов по данной тематике.

База данных ТМ может быть получена путем посегментного сопоставления файлов

оригинала и перевода.

- Наличие фильтров импорта – экспорта. Это свойство обеспечивает

совместимость систем ТМ с множеством текстовых процессоров и издательских

систем и дает переводчику относительную независимость от заказчика.

- Механизм поиска нечетких или полных совпадений. Именно этот механизм и

представляет собой основное достоинство систем ТМ. Если при переводе текста

система встречает сегмент, идентичный или близкий к переведенному ранее, то

уже переведенный сегмент предлагается переводчику как вариант перевода

текущего сегмента, который может быть подкорректирован. Степень нечеткого

совпадения задается пользователем.

- Поддержка тематических словарей. Эта функция помогает переводчику

придерживаться глоссария. Как правило, если в переводимом сегменте

встречается слово или словосочетание из тематического словаря, то оно

выделяется цветом и предлагается его перевод, который можно вставить в

переводимый текст автоматически.

- Средства поиска фрагментов текста. Этот инструмент очень удобен при

редактировании перевода. Если в процессе работы был найден более удачный

вариант перевода какого-либо фрагмента текста, то этот фрагмент может быть

найден во всех сегментах ТМ, после чего в сегменты ТМ последовательно

вносятся необходимые изменения.

Конечно, как и любой программный продукт, системы ТМ имеют свои

достоинства и недостатки, и свою область применения. Однако в отношении

систем TM, основным недостатком является их дороговизна.

Особенно удобно использовать системы ТМ при переводе таких документов,

как руководства пользователя, инструкции по эксплуатации, конструкторская и

деловая документация, каталоги продукции и другой однотипной документации с

большим количеством совпадений.

Системы машинного перевода (МП)

В соответствии с указанной выше классификацией, целью данной работы

является исследование и анализ систем МП второй группы, поскольку систем МП

первой группы еще не существует в природе, а системы третьей группы в

сущности не являются системами МП, а более напоминают электронные словари.

Системы МП осуществляют автоматизированный перевод текста. Единицами

перевода при этом служат слова или словосочетания, причем последние

разработки позволяют учитывать морфологию переводимого слова. Развитые

системы МП осуществляют перевод по заданным разработчиком и/или

корректируемым пользователем алгоритмам перевода.

Для осуществления машинного перевода в компьютер вводится специальная

Страницы: 1, 2, 3