МАШИННЫЙ ПЕРЕВОД И ЛИНГВИСТИЧЕСКИЕ ПРОЦЕССЫ
Ключевые слова:
системы машинного перевода, параллельный корпус, одноязычные корпуса, многоязычные корпуса, аннотированные, метеор, полисемия, модели перевода, нейронный машинный перевод, искусственный интеллектАннотация
Системы машинного перевода (МТ) считаются одним из наиболее важных направлений компьютерной лингвистики. Использование машинного перевода в лингвистике создало множество преимуществ. После появления машинного перевода процессы цифровизации значительно ускорились во всех сферах. В частности, перевод систем машинного перевода к нейронным подходам коренным образом изменил межъязыковую коммуникацию, процессы перевода и изучение языков.
Системы машинного перевода позволяют создавать крупные научные базы данных с использованием обширных корпусов, современных алгоритмов и моделей искусственного интеллекта. В результате многие практические лингвистические задачи выполняются более эффективно и точно. Кроме того, появились возможности для проведения различных корпусных лингвистических исследований между различными языками. Таким образом, машинный перевод все больше проявляется как практический результат интеграции компьютерной лингвистики, корпусных исследованный и искусственного интеллекта.
Библиографические ссылки
Garcia I. Is machine translation ready yet? Target: International Journal of Translation Studies, 22(1).7-21. 2010. https://doi.org/10.1075/target.22.1.02gar
Brown A., & MarkD. Machine Translation and Post-Editing. A Guide to the Latest Technologies. Routledge. 2018.
Abduraxmonova N. Mashina tarjimasining lingvistik ta’minoti. Toshkent: 2018. B.8
Koehn P. Neural Machine Translation. MIT Press.
Ghazvinian M. The Linguistic Impact of Automated Translation Tools on Language Teaching. Journal of Language and Education. 2019.
Toral A., &Way A. What level of quality can neural machine translation attain on literary text? In Translation Quality Assessment: From principles to practice, edited by Joss Moorkens, Sheila Castilho, Federico Gaspari, and Stephen Doherty, 263-87. Cham: Sprionger. 2018
Marie B., Fujita A., Rubino R. Scientific Credibility of Machine Translation Research. 2021. arxiv: 2106.15195.
