|
License Agreement on scientific materials use.
|
|
|
Post-editing of English to Russian machine translation: Issues, methods, and optimization
|
Anna Andreevna Khromova
Ufa University of Science and Technology
Renata Razifovna Lukmanova
Ufa University of Science and Technology
|
|
Submitted:
March 27, 2024
|
|
Abstract.
The aim of the study is to develop recommendations for optimizing English to Russian machine translation of scientific texts in the field of natural sciences during the post-editing stage, focusing on enhancing the quality of machine translation. The article provides a systematic categorization of post-editing methods for machine translation from English to Russian of texts in the field of natural sciences, specifically neurobiology, and conducts a multi-faceted analysis of the post-editing process of machine translation. This indicates the scientific novelty of the research. Successful post-editing examples are presented, discussing its prospects for improving machine translation systems. The results revealed that during post-editing, challenges arise as online services generate incorrect syntactic structures or introduce terminological units which meanings differ from those in the original language. An important task for the post-editor is to enhance the text's comprehension, which can be achieved, for instance, through sentence reconstruction.
|
Key words and phrases:
машинный перевод
англо-русский перевод
постредактирование
лёгкое постредактирование
полное постредактирование
machine translation
English to Russian translation
post-editing
light post-editing
full post-editing
|
|
Open
the whole article in PDF format. Free PDF-files viewer can be downloaded here.
|
|
References:
- Андреев Н. Д. Основные направления работы экспериментальной лаборатории машинного перевода // Hutchins W. J. Machine Translation: Past, Present, Future. N. Y., 1986.
- Апресян Ю. Д. Лингвистическое обеспечение системы французско-русского автоматического перевода ЭТАП-1. IV. Французский синтаксический анализ // Предварительные публикации ПГЭПЛ. М.: Институт русского языка АН СССР, 1983. Вып. 159.
- Кибрик А. А. Модель автоматического анализа письменного текста (на материале ограниченного военного подъязыка). М.: Изд-во МГУ, 1970.
- Кулагина О. С. Исследования по машинному переводу. М.: Наука, 1979.
- Леонтьева Н. Н. База знаний и автоматический перевод (проект многоязычной информационно-справочной системы) // Тезисы докладов международного семинара по машинному переводу «ЭВМ И ПЕРЕВОД 89» (г. Тбилиси, 27 ноября – 2 декабря 1989 г.). М., 1989.
- Марчук Ю. Н. Проблемы машинного перевода. М.: Наука, 1983.
- Машинный перевод и прикладная лингвистика. Проблемы создания системы автоматического перевода / под ред. Г. В. Чернова. М., 1986.
- Розенцвейг В. Ю. Основы общего и машинного перевода. М., 1964.
- Светайлов Б. В. Лингвистические и социокультурные особенности хеджирования в научном дискурсе (на материале текстов англоязычных научных статей экономической направленности) // Филологические науки. Вопросы теории и практики. 2022. Т. 15. Вып. 7.
- Утробина А. А. Компьютерная лингвистика и машинный перевод: об истории становления // Вестник Башкирского университета. 2022. Т. 27. № 2.
- Шаляпина З. М. К проблеме построения формальной модели процесса перевода // Теория перевода и научные основы подготовки переводчиков: мат. всесоюз. науч. конф.: в 2-х ч. М.: МГПИИЯ им. М. Тореза, 1975. Ч. II.
- Cho K. Neural Machine Translation by Jointly Learning to Align and Translate // arXiv. 2016. Art. 1409.0473. https://doi.org/10.48550/arXiv.1409.0473
- Guerberof A. А. What Do Professional Translators Think about Post-Editing? // Journal of Specialised Translation. 2013. Iss. 19.
- Kenny D. Machine Translation for Everyone: Empowering Users in the Age of Artificial Intelligence (Translation and Multilingual Natural Language Processing 18). Berlin: Language Science Press, 2022.
- King A. Neurobiology: Rise of Resilience // Nature. 2016. Vol. 531. https://doi.org/10.1038/531S18a
- Koehn Ph. Neural Machine Translation // Machine Translation. 2021. Vol. 35. https://doi.org/10.1007/s10590-021-09277-x
- LeCun Y., Bengio Y., Hinton G. Y. Deep Learning // Nature. 2015. Vol. 521. https://doi.org/10.1038/nature14539
- Manning С. D. Human Language Understanding & Reasoning // Dædalus. 2022. Vol. 151 (2).
- Marie B., Fujita A., Rubino R. Scientific Credibility of Machine Translation Research: A Meta-Evaluation of 769 Papers // Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing, August 1-6. 2021. https://doi.org/10.18653/v1/2021.acl-long.566
- Wu Y., Schuster M., Chen Zh., Le Q. V., Norouzi M., Macherey W., Krikun M., Cao Y., Gao Q., Macherey K., Klingner J., Shah A., Johnson M., Liu X., Kaiser L., Gouws S., Kato Y., Kudo T., Kazawa H., Stevens K., Kurian G., Patil N., Wang W., Young C., Smith J., Riesa J., Rudnick A., Vinyals O., Corrado G., Hughes M., Dean J. Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation // arXiv. 2016. Art. 1609.08144. https://doi.org/10.48550/arXiv.1609.08144
|
|
