نقش بازآرایی نحوی در بهبود ترجمه ماشینی فارسی به انگلیسی افعال مرکب جداشدنی

نویسندگان

  • Rezvan Motavallian University of Isfahan
  • Ahmad Zaeri 📧 دانشگاه اصفهان
  • Zahra Zamani دانشگاه اصفهان

چکیده

در ترجمۀ ماشینی فارسی به انگلیسی یکی از مشکلات بحث‏‌برانگیز و قابل تأمل، مقولۀ افعال مرکب جداشدنی است. در زبان فارسی افعال مرکب چه به لحاظ تعداد و چه به لحاظ کاربرد نسبت به افعال ساده دامنۀ گسترده‌تری دارند. بنابراین به‏‌نظر می‌رسد بهبود هرچند جزئی نیز در ترجمۀ این قبیل افعال در کل کار تأثیر زیادی خواهد داشت. از آنجا که فراهم آوردن فهرستی جامع از افعال مرکب جداشدنی در زبان فارسی به‏‌عنوان نخستین و اساسی‏‌ترین گام مؤثر می‏‌تواند در حل این مشکل نقش مهمی ایفا کند؛ ابتدا در پژوهش حاضر در این راستا فرهنگ ظرفیت فعل پایگاه دادگان که مشتمل بر 4282 فعل مختلف بود توسط نگارندگان به دقت مورد بررسی قرار گرفت و با استفاده از پیکرۀ وب بیش از 1500 فعل از این فهرست به‏‌عنوان فعل مرکب جداشدنی تشخیص داده شد. سپس، بازآرایی نحوی بر روی 500 جملۀ مختلف حاوی افعال مرکب جداشدنی اعمال شد و جملات به دو صورت پیش پردازش نشده و پیش پرداز شده، برای ترجمه به ماشین ترجمۀ موزز دیکودر داده شد. البته گفتنی است که این ماشین ترجمه پیش از آن توسط پیکرۀ موازیِ میزان آموزش داده شد. معیار بلو قبل از اعمال پیش‌پردازش 16 بود و بعد از اعمال پیش‌پردازش به 3.16 بهبود یافت که این امر خود بیانگر تأثیر بازآرایی نحوی بر بهبود ترجمه ماشینی افعال مرکب است.

کلمات راهنما:

افعال مرکب جداشدنی, ترجمه‌ ماشینی, بازآرایی نحوی, موزز دیکودر, معیار بلو

بیوگرافی نویسندگان

Rezvan Motavallian، University of Isfahan

عضو هیئت علمی گروه زبانشناسی دانشگاه اصفهان، اصفهان، ایران؛

Ahmad Zaeri، دانشگاه اصفهان

عضو هیئت علمی گروه معندسی نرم‏‌افزار دانشگاه اصفهان، اصفهان، ایران؛

Zahra Zamani، دانشگاه اصفهان

کارشناس ارشد زبانشناسی رایانشی دانشگاه اصفهان، اصفهان، ایران

چاپ‌شده

2018-06-25

ارجاع به مقاله

Motavallian, R., Zaeri, A., & Zamani, Z. (2018). نقش بازآرایی نحوی در بهبود ترجمه ماشینی فارسی به انگلیسی افعال مرکب جداشدنی. فصلنامه مطالعات ترجمه ایران, 16(62), 21–38. Retrieved از https://www.journal.translationstudies.ir/ts/article/view/514

شماره

نوع مقاله

مقاله علمی-پژوهشی