Создание сообщества переводчиков¶

Следование этим рекомендациям способствует созданию полноценного многоязычного инструмента постредактирования. Хороший перевод определяется через системно-функциональную модель Хауса, которая нацелена на контекстуально правильный перевод. Напишите своё собственное руководство по постредактированию и измените эти рекомендации в соответствии с вашими собственными определениями. В большинстве случаев в качестве инструмента корректуры полезен плагин для браузеров languageTool.

Часто переводчики находят проблемы в исходных строках. Позаботьтесь о том, чтобы им было удобно сообщать о таких проблемах. Для сбора таких сообщений можно настроить в компоненте Weblate поле Просмотрщик репозитория, чтобы переводчики могли предлагать свои изменения в вышестоящем репозиторий. Вы также можете получать комментарии переводчиков, если настроите поле Адрес для сообщения об ошибке в исходной строке.

Контрольный список локализации сообщества¶

Контрольный список локализации сообщества, который можно найти в меню каждого компонента, может дать вам рекомендации, выполнив которые, вы упростите сообществу переводчиков процесс локализации вашей программы.

Управление терминологией¶

Постредактирование перевода с определением терминологии влияет на каждый уровень процесса перевода. Систему машинного перевода можно адаптировать к конкретному словарному запасу и стилю посредством непрерывного обучения или «нейронного нечеткого восстановления» <https://aclanthology.org/P19-1175.pdf>. Импортируйте вашу существующую память переводов в Weblate или создайте начальную область действия с вашей базовой терминологией. В конце концов, лектор должен быть проинструктирован о дополнительных терминологических документах, чтобы гарантировать хорошие знания и результаты в этой области.

Машинный перевод¶

Качество автоматического перевода (часто измеряемое с помощью измерения BLEU) коррелирует со временем редактирования [1]. Выберите серверную часть для машинного перевода, которая поддерживает необходимые языки и домены. Поясните, как функционирует серверная часть перевода и какое качество перевода должен ожидать постредактор.

Рецензирование переводов¶

После постредактирования переводы должны быть проверены вторым лицом. При наличии беспристрастного и компетентного рецензента правило двух человек позволяет сократить количество ошибок и повысить качество и согласованность содержания. Предоставление рецензентам превью или альфа-версий переводов будет способствовать лучшему рецензированию. Снимки экрана, пояснения также помогают рассмотреть строки в контексте.

Структурированный отзыв¶

В Weblate существует множество Проверки и исправления, которые обеспечивают структурированную обратную связь о качестве перевода. Они также предоставляют визуальную обратную связь во время перевода. Это предотвращает повторение ошибок и помогает переводчикам понять, как работает код.

Определение перевода¶

В дополнение к менталистическим и основанным на воздействии определениям, которые обеспечивают сильную редукцию, текстовый лингвистический подход лучше всего сочетается с реализованными методами перевода. Хорошо сформулированной теорией оценки перевода является системно-функциональная модель Хауса, которая фокусируется на отношениях между оригиналом и переводом. Модель предполагает, что перевод – это попытка сохранить семантическое, прагматическое и текстовое значение эквивалента текста при переходе из одного языкового кода в другой.

Качество перевода основывается на степени эквивалентности, соответствии профиля текста и функции текста. Поскольку его нельзя рассчитать автоматически, необходимо собрать достаточно информации, чтобы обеспечить единообразную человеческую оценку. Двумя основными параметрами согласия в соответствующей модели являются макроконтекст, т. е. встраивание в более широкий социальный и литературный контекст, и микроконтекст, состоящий из поля, содержания и способа.

Источники¶

Марина Санчес-Торрон и Филипп Кён в книге «Качество машинного перевода и производительность пост-редактора», рисунок 1: https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf
Джоанна Бест и Сильвия Калина. Письменный и устный перевод: руководство. А. Франке Верлаг Тюбинген и База, 2002. Возможности переводческой критики, начиная со страницы 101
нейронное нечеткое восстановление, Брэм Булте и Арда Тезкан в книге «Нейронное нечеткое восстановление: интеграция нечетких совпадений в Neural Machine Translation», 2019 https://aclanthology.org/P19-1175.pdf