Computer Assisted Translation (CAT) Cristina Bosco Informatica applicata alla comunicazione multimediale 2014-2015.

Presentazione sul tema: "Computer Assisted Translation (CAT) Cristina Bosco Informatica applicata alla comunicazione multimediale 2014-2015."— Transcript della presentazione:

1 Computer Assisted Translation (CAT) Cristina Bosco Informatica applicata alla comunicazione multimediale 2014-2015

2 Breve storia L’idea di sistema di CAT nasce negli anni ‘60, quando la European Coal and Steel Community (ECSC) sviluppa un sistema per la ricerca di termini e del loro contesto in traduzioni memorizzate in formato elettronico. Il principale obiettivo è di mostrare i termini nel Linguaggio Sorgente (LS) ed i loro equivalenti nel Linguaggio Target (LT) all’interno dei loro rispettivi contesti.

3 Breve storia L’idea moderna di sistema consiste invece nel cercare le unità di traduzione uguali per riutilizzarle, e la si trova per la prima volta all’inizio degli anni ‘70, nel modello sviluppato da Krollman per l’esercito tedesco. “For revised new editions of translations only the changed passages would have to be retyped. Insertion of changes and corrections into the old text would automatically be done by computer.” (Krollmann 1971)

4 Breve storia Alla fine degli anni ‘70 Arthern, un traduttore della EC, propone un ulteriore sviluppo, nell’ambito di una discussione sull’uso dei database terminologici e l’introduzione di Systran. Arthern suggerisce di sviluppare il sistema in modo che possa trovare non solo le unità di traduzione uguali al testo da tradurre, ma anche quelle simili.

5 Breve storia Accanto all’idea di “exact match” nasce quindi l’idea di “fuzzy match” (the nearest available equivalent), ma anche la proposta di integrare sistemi di CAT e di MT, per poter ottenere come risultato la maggior quantità di materiale tradotto e limitare l’intervento umano. Realizzare quindi, in accordo con ALPAC, sistemi di traduzione con al centro il traduttore invece della macchina.

6 Breve storia Solo all’inizio degli anni ‘80 la ricerca di “exact matches” viene implementata da ALPS Incorporated, in una semplice componente detta “repetitions processing” del Translation Support System (TTS), un sistema di MT. L’idea del “fuzzy matching” è implementata per la prima volta all’inizio degli anni ‘90, nei primi sistemi commercializzati di TM, IBM Translation Manager e SDL Trados.

7 I sistemi di TM Componenti di un sistema di TM: Editor multilingue – serve a leggere il testo in LS e a scriverne la traduzione in tutti i formati necessari Manager della terminologia – per gestire tutto ciò che riguarda la memorizzazione e modifica dei termini organizzati per soggetto, cliente e progetto Riconoscitore di termini – per orientare la ricerca nel database terminologico

8 I sistemi di TM Componenti di un sistema di TM: Riconoscitore di concordanze – per cercare tutte le istanze di una stringa di ricerca nel loro contesto Calcolatore statistiche – per avere una panoramica quantitativa sulla TM e sapere ad es. quanto del materiale esistente è riutilizzato nella nuova traduzione

9 I sistemi di TM Componenti di un sistema di TM: Strumento di allineamento – per creare la TM con dentro i documenti precedentemente tradotti, confrontarli con i testi da tradurre facendo il match dei segmenti corrispondenti, e legare insieme le unità di traduzione.

10 I sistemi di TM Alcuni sistemi offrono anche gli strumenti per la creazione e gestione di basi terminologiche, e per l’integrazione con sistemi di MT che comportano quindi la gestione di vari tipi di file all’interno di progetti complessi. In sostanza dagli anni ’90 i sistemi di MT sono rimasti sostanzialmente uguali, con l’eccezione degli algoritmi di matching e l’aggiunta di funzioni più sofisticate.

11 I sistemi di TM

12 In sostanza dagli anni ’90 i sistemi di MT sono rimasti sostanzialmente uguali, con l’eccezione degli algoritmi di matching e l’aggiunta di funzioni più sofisticate. Quello che è cambiato è però il processo traduttivo viene organizzato e il modo in cui le persone coinvolte in esso possono interagire grazie all’architettura client/server e grazie al cloud computing e crowd sourcing.

13 Cloud computing Con cloud computing si indica un paradigma di erogazione di risorse informatiche (archiviazione, elaborazione e trasmissione di dati) on demand tramite il web. Le risorse non vengono pienamente configurate e messe in opera dal fornitore apposta per l'utente, ma gli sono assegnate, rapidamente e convenientemente, grazie a procedure automatizzate, a partire da un insieme di risorse condivise con altri utenti lasciando all'utente parte dell'onere della configurazione.

14 Crowdsourcing Con crowdsourcing (da crowd, "folla", e outsourcing "esternalizzazione di una parte delle proprie attività”) si indica un modello di business per cui si affida la progettazione, la realizzazione o lo sviluppo di un progetto, oggetto o idea ad un insieme indefinito di persone non organizzate precedentemente, solitamente tramite siti e portali web. Questo modello è molto applicato per lo sviluppo di risorse linguistiche, e consente di ottenere dati che non risentono di bias e sono quindi condivisi.

15 Tipi di sistemi di TM Una Translation Memory (TM) è solitamente un database in cui ogni record contiene una Translation Unit (TU), che consiste in una coppia di segmenti in LS e LT e in varie informazioni sulla TU (data di creazione, autore, progetto, cliente). Una TM è un database dinamico, che può essere popolato in diversi modi.

16 Tipi di sistemi di TM Esistono tre modi di popolare il database TM: Mentre si traduce – ogni TU tradotta viene salvata nella TM Importando una TM – sia creata con lo stesso sistema di TM, sia creata con un altro, ma con un formato compatibile Allineando un testo con una traduzione – esistono strumenti di allineamento per mettere insieme testi tradotti ad es. in altri progetti

17 Tipi di sistemi di TM Alcuni sistemi di TM non sono database, ma gestiscono il testo nel loro complesso. Rispetto ai sistemi basati su database hanno il vantaggio di mettere a disposizione maggiori informazioni sul contesto. Per questo motivo nei sistemi basati su database le TU vengono arricchite con informazioni sul contesto, senza le quali le TU sono completamente decontestualizzate.

18 MT e TM MT e TM sono due cose distinte, ma hanno certe cose in comune: TM trae spunto dalla MT example-based e dalla statistical MT, entrambi approcci rivolti alla ricerca del best matching per la frase da tradurre. Ci sono però differenze sostanziali di obiettivo tra TM da un lato e MT example-based e statistical MT dall’altro.

19 MT e TM Un sistema di TM svolge una forma di Information Retrieval che delega al traduttore la decisione su quanto e come utilizzare e modificare il risultato che il sistema produce. Un sistema di MT example-based o statistical MT invece producono traduzioni selezionando le informazioni necessarie nella loro base di conoscenza costituita da testi tradotti.

20 MT e TM TM e MT si possono utilmente integrare in diversi modi: Batch processing – in un sistema che provi a valutare per ogni TU i match (esatti e fuzzy) prima dell’intervento del traduttore, è possibile far intervenire un sistema di MT per tutte quelle TU che non hanno nessun match, segnalando il fatto che si tratta di una traduzione non ricavata dalla TM.

21 MT e TM Batch processing, una nota Alcuni sistemi di TM valutano la TU nel momento in cui il traduttore la seleziona per iniziare a tradurre Altri sistemi valutano tutte le unità del testo da tradurre prima che il traduttore inizi il suo lavoro.

22 MT e TM TM e MT si possono utilmente integrare in diversi modi: Interactive processing – in un sistema di TM che è in comunicazione con un sistema di MT, il traduttore può richiamare la MT su ogni TU su cui la TM non gli offre suggerimenti per la traduzione, e poi se serve può modificare il risultato offerto dalla MT.

23 MT e TM L’integrazione di TM e MT risulta particolarmente produttiva quando il sistema di MT viene addestrato su grandi corpora e precisamente su quelli che contengono le TU che utilizza il sistema di TM. I vantaggi si vedono in termini di velocità, costo, qualità più stabile e quindi aumento della produttività.

24 Vantaggi e limiti delle TM L’uso di TM aumenta la produttività dei traduttori e la qualità dei materiali tradotti garantendo l’omogeneità soprattutto terminologica. I report mostrano aumenti di produttività tra il 25 e il 60%. Il numero di parole tradotte al giorno si attesta intorno ad un massimo di 2.400.

25 Vantaggi e limiti delle TM L’uso di TM ha però anche effetti negativi sulla qualità della traduzione. Il principale problema è che le TU sono viste come isolate dal contesto e questo rende difficile ad es. la traduzione corretta di legami anaforici cross sentenziali.

26 Vantaggi e limiti delle TM L’uso di TM ha però anche effetti negativi sulla qualità della traduzione. Un altro problema è il fatto che la nozione di similarità tra TU di un traduttore e di un computer possono essere sensibilmente diverse tra loro e quindi il sistema può presentare come exact match delle traduzione errate dal punto di vista del traduttore, oppure come fuzzy macth delle cose che non c’entrano.

27 Migliorare l’IR delle TM I sistemi di IR che stanno dietro le TM non sono molto cambiati nel tempo. Il principale loro limite consiste nel fatto che si basano su caratteri e stringhe, senza utilizzare aspetti linguistici come quelli derivanti da analisi morfologica, sintattica e semantica per determinare il match tra TU.

28 Migliorare l’IR delle TM Ad esempio, i sistemi di TM non sono in grado di riconoscere il match tra due TU quando ci sono semplici cambiamenti nell’ordine degli elementi della frase. ES. Il cane dorme da oltre un’ora dentro la sua cuccia in giardino Il cane dorme in giardino dentro la sua cuccia da oltre un’ora

29 Migliorare l’IR delle TM L’uso di conoscenza linguistica potrebbe notevolmente migliorare le prestazioni dei sistemi di TM per due motivi: Migliorare la precision e recall del retrieval monolingue Aumentare la riusabilità delle TU suddividendole in parti più piccole

30 Migliorare l’IR delle TM ES. A[Il cane dorme] B[da oltre un’ora] C[dentro la sua cuccia] D[in giardino] A[Il cane dorme] D[in giardino] C[dentro la sua cuccia] B[da oltre un’ora]

31 Migliorare l’IR delle TM L’uso di conoscenza linguistica è quindi l’obiettivo dei sistemi di TM di seconda generazione, che integrano metodi di analisi linguistica e di shallow parsing per aumentare le possibilità di match. Questo ha effetti positivi soprattutto per certe coppie di lingue.

32 Migliorare l’IR delle TM Empirically documented knowledge about the nature and applications of TM systems and translators’ interaction with them is both scarce and fragmented. In particular, more research is needed on how translators interact with TM technology and on how it influences translators’ cognitive processes. The translation profession itself will also welcome more knowledge about the translators’ perspective on TM technology. (Christensen and Schjoldager 2010, 99)