Побудова спільноти перекладачів

Виконуючи ці настанови, підтримайте створення повноцінного багатомовного інструмента постредагування. Добрі переклади визначаються за допомогою системно-функціональної моделі Хауса, мета якої — визначення контекстуально правильного перекладу. Напишіть власні настанови постредагування і змініть ці рекомендації за вашими власними визначеннями. У більшості випадків корисним засобом рецензування буде додаток до браузера languageTool.

Перекладачі часто знаходять проблеми у початкових рядках. Полегшіть для них звітування щодо таких проблем. Щоб зібрати подібні відгуки, ви можете налаштувати поле Переглядач сховища у вашому складнику Weblate, щоб перекладачі могли пропонувати власні зміни до сховища основного коду. Ви також отримуватимете коментарі перекладачів, якщо налаштуєте Адреса для повідомлень про помилки у рядках.

Список перевірок локалізації спільнотою

Список перевірок локалізації спільнотою, який можна знайти у кожному зі складників, можна використати як основу для полегшення локалізації вашого проєкту перекладачами зі спільноти користувачів.

../_images/guide.webp

Керування термінологією

Постредагування комп’ютерного перекладу із впливами прив’язки термінології на кожному з рівнів процесу перекладу. Систему комп’ютерного перекладу можна адаптувати до певного словника та стилю з постійним тренуванням або нейронним відновленням неточностей. Імпортуйте вашу наявну пам’ять перекладів до weblate або створіть початковий набір з вашою базовою термінологією. Зрештою, засіб коригування має бути насичено даними додаткових документів термінології для гарантування належного корпусу даних та реальних результатів.

Машинний переклад

Якість автоматичного перекладу (її часто вимірюють BLEU-рейтингом) тісно пов’язана із часом редагування [1]. Виберіть модуль комп’ютерного перекладу, у якому передбачено підтримку потрібних вам мов і областей знань. Вивчіть питання щодо функціональних можливостей модуля перекладу та якості пост-редагування, якої слід від нього очікувати.

Рецензування перекладів

Переклади має бути рецензовано іншою особою після постредагування. Неупереджений і компетентний рецензент забезпечить інший погляд, що зменшить кількість помилок і підвищить якість та однорідність текстів. Надання рецензентам попереднього перегляду або тестових перекладів поліпшує результати рецензування. Знімки вікон та пояснення також допомагають рецензувати рядки у контексті.

Структурований відгук

У Weblate багато елементів Перевірки і виправлення, які надають структуровані результати щодо якості перекладів. Також вони забезпечують візуальний супровід перекладу. Це надає змогу запобігти найпоширенішим помилкам та допомагає перекладачам зрозуміти принципи роботи коду.

Визначення перекладу

Окрім менталістських та заснованих на результатах аналітичних визначень із потужним приведенням, найкращим є лінгвістичний підхід на основі тексту з реалізованими методами перекладу. Коректно сформульованою теорією оцінки перекладу є системно-функціональна модель Хауса, у якій акцент зроблено на зв’язку між оригіналом і перекладом. У моделі зроблено припущення, що переклад є спробою зберегти семантичний, прагматичний та текстуальний сенс текстового еквівалента при переході з одного лінгвістичного коду до іншого.

Рівень якості перекладу можна оцінити за рівнем еквівалентності, відповідністю між профілем тексту та функцією тексту. Оскільки його не можна обчислити автоматично, слід зібрати достатні дані для уможливлення однорідної людської оцінки. Два головні параметри узгодження у відповідній моделі — це макроконтекст, тобто вбудовування у ширший соціальний і літературний контекст, та мікроконтекст, що складається з поля, напрямку та модальності.

Джерела

  1. Marina Sanchez-Torron і Philipp Koehn у «Machine Translation Quality and Post-Editor Productivity», Рисунок 1: https://www.cs.jhu.edu/~phi/publications/machine-translation-quality.pdf

  2. Joanna Best und Sylvia Kalina.Übersetzen und Dolmetschen: eine Orientierungs-hilfe. A. Francke Verlag Tübingen und Base, 2002. Möglichkeiten der Übersetzungskritik, починаючи зі сторінки 101

  3. neural fuzzy repair, Bram Bulté і Arda Tezcan у «Neural Fuzzy Repair: Integrating Fuzzy Matches into Neural Machine Translation», 2019 https://aclanthology.org/P19-1175.pdf