ІНТЕГРАЦІЯ ПРИНЦИПУ ДЕТЕРМІНІЗМУ В СИСТЕМУ CAT-ІНСТРУМЕНТІВ: КОРПУСНО-ПРИКЛАДНИЙ ПЕРЕКЛАДОЗНАВЧИЙ ПІДХІД
DOI:
https://doi.org/10.35433/philology.3(101).2023.142-153Ключові слова:
принцип детермінізму, CAT-інструменти, алгоритм детермінованої оптимізації автоматизованого перекладу, терміносполука, міжнародні організації НАТО, ООН, СОТ, корпусно-прикладне перекладознавствоАнотація
У статті продемонстровано принцип детермінізму, імплементований у системі CAT-інструментів. Упродовж цього процесу здійснюється визначення констант, параметрів та правил, які керують процесом автоматизованого перекладу. Механізм застосування аналізу містить алгоритм детермінованої оптимізації автоматизованого перекладу, зорієнтований на складні завдання, залучені для обробки й аналізу емпіричних даних у CAT. На відміну від фіксованого перекладу в автоматизованій системі алгоритм детермінованої оптимізації як метод здійснюється планомірно, формуючи науково-понятійне відображення виявлених терміносполук, семантичних відношень, контексту. Використання тематично різноманітної інформації зумовлює сортування за алфавітом, обчислення суми чисел, перетворення рядка в число, обчислення факторіалу та валідацію даних в алгоритмі. Відображення ефективності алгоритму детермінованої оптимізації автоматизованого перекладу в системах CAT має свою специфіку. Прикметною особливістю алгоритму є функціональна-параметризація автоматизованої системи. Залучення до процесу перекладу детермінованованої метрики якості маніфестує апелювання до ефективності й оцінності, які сприяють якісним процесам опрацювання емпіричного матеріалу, що надає їм інформаційної значущості.
Мета статті – обґрунтування новітнього алгоритму детермінованої оптимізації автоматизованого перекладу в галузі корпусно-прикладного перекладознавства на основі філософського принципу детермінізму, що дає змогу автоматизованій системі здійснювати відмінний переклад офіційно-ділових текстів міжнародних організацій НАТО, ООН, СОТ.
Посилання
Håkan L. Y. Deterministic Algorithm for Solving Imprecise Decision Problems. Proceedings of the Thirteenth International Florida Artificial Intelligence Research Society Conference, 2000.
Lin M. H., Tsai J. F., Yu C. S. A review of deterministic optimization methods in engineering and management. Mathematical Problems in Engineering, 2012.
Mordecai A. Nonlinear Programming: Analysis and Methods. Dover Publishing, 2003. ISBN 0-486-43227-0.
Morgan H. Conducting a Qualitative Document Analysis. The Qualitative Report, 27(1), 2022. S. 64-77. URL: https://doi.org/10.46743/2160-3715/2022.5044 (дата звернення: 13.07.2023).
Snyman F. Practical Mathematical Optimization: An Introduction to Basic Optimization Theory and Classical and New Gradient-Based Algorithms. Springer Publishing, 2005. ISBN 0-387-24348-8
Tedre M., Pajunen J. Grand theories or design guidelines?: Perspectives on the role of theory in computing education research. ACM Transactions on Computing Education, 23(1), 2023. Article 4. URL: https://doi.org/10.1145/3487049. (дата звернення: 15.07.2023).
Barrett L., Greenberg В., Schwartz M. A Syntactic Feature Counting Methods of Selecting Machine Translation Training Corpora. Language and Computers: Studies in Practical Linguistics, 60 (1), 2007, P. 1–19.
Aharoni R., Johnson M., Firat J. Massively Multilingual Neural Machine Translation. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Vol. 1, (2019), p. 3874–3884.
Loewer B. Determinism and Chance. Studies in History and Philosophy of Modern Physics, Nom. 32, 2004, p. 609–620.
Chu Ch., Raj D., Sadao K. An Empirical Comparison of Domain Adaptation Methods for Neural Machine Translation. Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics, Vol. 2, 2017, p. 385–91.
Duy H., Koehn P., Haffari G., Cohn T. Iterative Back-Translation for Neural Machine Translation. Proceedings of the 2nd Workshop on Neural Machine Translation and Generation, 2018, p. 18–24.
