[论文解读] Mainumby: un Ayudante para la Traducción Castellano-Guaraní

Michael Gasser|arXiv (Cornell University)|Oct 19, 2018

Historical Linguistics and Language Studies被引用 7

一句话总结

本文介紹了 Mainumby，這是一種針對西班牙語-瓜拉尼語（一種缺乏大型雙語語料庫的邊緣語言對）的基於網絡的計算機輔助翻譯工具。它提出了一種稱為「廣義片段翻譯」（最小依存翻譯）的新型框架，可在無需大量平行語料的情況下實現詞語級翻譯，展示了在現實翻譯工作流程中適用於低資源語言對的可行性。

ABSTRACT

A wide range of applications play an important role in the daily work of the modern human translator. However, the computational tools designed to aid in the process of translation only benefit translation from or to a small minority of the 7,000 languages of the world, those that we may call "privileged languages". As for those translators who work with the remaining languages, the marginalized languages in the digital world, they cannot benefit from the tools that are speeding up the production of translation in the privileged languages. We may ask whether it is possible to bridge the gap between what is available for these languages and for the marginalized ones. This paper proposes a framework for computer-assisted translation into marginalized languages and its implementation in a web application for Spanish-Guarani translation. The proposed system is based on a new theory for phrase-level translation in contexts where adequate bilingual corpora are not available: Translation by Generalized Segments (referred to as Minimal Dependency Translation in previous work).

研究动机与目标

• 解決如瓜拉尼語等邊緣語言缺乏計算機翻譯工具的問題，這些語言被排除在主流翻譯技術之外。
• 開發一款實用且易於使用的網絡應用程序，支援西班牙語-瓜拉尼語這類低資源語言對的人工翻譯工作。
• 提出並實現一種適用於缺乏足夠雙語語料環境的新翻譯框架。
• 縮小主流語言與如瓜拉尼語等資源匱乏語言之間在翻譯技術上的數位差距。
• 展示在缺乏大規模平行數據的情況下，利用廣義片段實現詞語級翻譯的可行性。

提出的方法

• 系統基於稱為「廣義片段翻譯」的框架（先前稱為「最小依存翻譯」）構建，該框架使用句法依存關係在詞語級進行翻譯建模。
• 利用單語數據和語言模式推斷翻譯單位，無需依賴大型平行語料庫。
• 架構整合了依存句法分析與對齊啟發式方法，將西班牙語短語映射至其瓜拉尼語對應詞語。
• 該工具以網絡應用形式實現，支持即時互動並可整合至翻譯工作流程中。
• 採用輕量級規則驅動方法，基於語言類型學與跨語言相似性來指導翻譯決策。
• 系統使用有限的雙語數據及目標語言社群專家驗證的翻譯範例進行訓練與驗證。

实验结果

研究问题

• RQ1 能否在無法獲取大型雙語語料庫的情況下，為西班牙語-瓜拉尼語這類低資源語言對有效構建計算機輔助翻譯系統？
• RQ2 當平行數據稀缺時，如何利用廣義片段實現詞語級翻譯？
• RQ3 基於網絡的工具能在多大程度上提升人工翻譯者在處理邊緣語言時的效率與準確性？
• RQ4 哪些語言學與計算策略可在缺乏大量訓練數據的情況下實現可靠的翻譯？
• RQ5 如何設計系統，使其在語言學上合理且在現實翻譯工作流程中實用易用？

主要发现

• Mainumby 成功實現了一款基於極少平行數據的西班牙語-瓜拉尼語網絡翻譯助手。
• 廣義片段翻譯框架即使在雙語資源有限的情況下，也能實現準確的詞語級翻譯。
• 系統在人工參與的環境中支援即時翻譯任務，展現了實際應用價值。
• 該方法對邊緣語言具有可行性，為類似低資源語言對提供了一個可擴展的模型。
• 該工具已在真實的學術會議場景中被採用並驗證，確認其相關性與可用性。
• 該框架在數字空間中具有拓展至其他資源匱乏語言對的潛力。