Building a translators community#
Following these recommendations supports the creation of a full, multilingual post-editing tool. Good translations are defined through the systemic-functional model of House which aims at a contextual correct translation. Write your own post-editing guide and alter these recommendations to fit your own definitions. In most cases the browser-plugin of languageTool is useful as a proof-reading tool.
Many times translators will find problems with the source strings. Make sure it is easy for them to report such problems. To gather this feedback, you can set up the Просмотрщик репозитория field on your Weblate component, for translators to propose their changes to the upstream repository. You can also receive translator comments if you setup 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#
The translations should be reviewed by a second person after the post-editing. With an impartial and competent reviewer, the two people rule reduces the errors and improves the quality and consistency of the content. Providing reviewers with previews or alpha translations will make for the best review. Screenshots, explanations also help to review the strings in context.
Структурированный отзыв#
There are many Проверки и исправления in Weblate that provide structured feedback on the quality of the translations. They also give visual feedback during translation. This prevents recurring mistakes, and helps translators to understand how the code works.
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