turns-00050.parquet:14697
0204c10ec62a35e6afd42a46degenerate_repetitionAbsentFinal dense release
USER
Act as a peer review and write a detailed review (in Russian) of this research paper. Be strict and critical: Принципы разработки китайско-русского словаря многозначной лексики в качестве обучающего корпуса для нейросетевого машинного перевода Аннотация. Статья посвящена выявлению качественных и количественных характеристик детализации словаря многозначной лексики с целью повышения интерпретативности нейросетевых машинных переводчиков. Исследование выполнено в рамках частной теории перевода, а именно на материале китайско-русской языковой пары как одной из наиболее актуальных в современном переводческом контексте и одновременно проблематичных ввиду значительной межъязыковой и межкультурной асимметрии. Научная проблема заключается в несостоятельности автоматических переводчиков идентифицировать явление неоднозначности в связи с нехваткой фоновых знаний, отсутствием многих лексических единиц в системах переводческой памяти, а также неспособностью к многоэтапному контекстологическому анализу. Проблема решается с помощью метода экокогнитивного моделирования профессиональной коммуникации переводчиков. На первом этапе определяются участники и элементы взаимодействия в процессе человеко-машинной коммуникации. На втором – посредством распределенной когнитивной деятельности человека-переводчика-исследователя и нейросетевых переводчиков (Google и Яндекс) выявляются лексические единицы, вызывающие сложности при переводе в силу своей многозначности. На третьем этапе проводятся сравнительно-сопоставительные исследования ручных переводов, контекстологический и дефиниционный виды анализа, а также опросы и эксперименты с людьми-переводчиками для лексико- и терминографического оформления отобранного материала. На заключительном этапе осуществляется классификация рассматриваемых единиц и корректировка схем их оформления в словарные статьи с учетом логики нейросетевых переводчиков. В результате качественными характеристиками детализации параллельного обучающего китайско-русского корпуса выступают: лингвистические и дефиниционные параметры, словарная представленность, переводческая вариативность в зависимости от лексико-грамматической сочетаемости, дискурсивно-жанровой принадлежности и концептуально-категориальной таксономии. Разработанная детализация актуализируется в формате схем оформления отобранных лексических единиц. Каждая схема, включающая 8-10 параметров, приравнивается к одной программистской строке. Количественное требование для пилотного обучения – предоставление материала в объеме 1000 строк, а при масштабировании – 10000 строк. В словарь входят термины, зафиксированные или незафиксированные в словарях, требующие либо верификации значения, либо выявления нового значения, либо поиска синонимов с более высоким словообразовательным потенциалом, либо установления точных переводческих эквивалентов для актуализации лексико- или терминографического описания. Abstract. The paper refers to identifying the qualitative and quantitative characteristics of the polysemantic vocabulary dictionary’s detailing in order to improve the interpretability of neural machine translators. The study is carried out within the framework of the Translation Theory on the Chinese-Russian language material as one of the most relevant in the modern translation context and at the same time problematic due to significant interlingual and intercultural asymmetry. The scientific problem lies in the inability of automatic translators to identify the phenomenon of ambiguity due to the lack of background knowledge, the absence of many lexical units in the translation memory systems, as well as the inability to perform multi-stage contextual analysis. The problem is solved using the method of eco-cognitive modeling of translators’ professional communication. At the first stage, the participants and elements of interaction in the process of human-machine communication are determined. At the second stage, through the distributed cognitive activity of a human translator-researcher and neural translators (Google and Yandex), lexical units are identified that cause difficulties in translation due to their polysemy. At the third stage, comparative and contrastive studies of human translations products, contextual and definitional types of analysis, as well as surveys and experiments with human translators for lexical and terminographic design of the selected material are carried out. At the final stage, the lexical units are classified and the schemes for their design in dictionary entries are adjusted taking into account the logic of neural translators. As a result, the qualitative characteristics of the parallel training Chinese-Russian corpus are: linguistic and definitional parameters, dictionary representation, translation variability depending on lexical and grammatical compatibility, discursive and genre affiliation and conceptual and categorical taxonomy. The developed detailing is updated in the format of schemes for the design of the selected lexical units. Each scheme, including 8-10 parameters, is equated to one programmer line. The quantitative requirement for pilot training is to provide material in the amount of 1000 lines, and when scaling up – 10,000 lines. The dictionary includes terms, fixed or not fixed in dictionaries, requiring either verification of meaning, or identification of a new meaning, or search for synonyms with a higher word-formation potential, or establishment of exact translation equivalents to update the lexical or terminographic description. Ключевые слова: обработка естественного языка, машинный перевод, нейронный перевод, полисемия, китайский язык, лексикология, терминология Key words: Natural Language Processing, machine translation, neural translation, polysemy, Chinese language, lexicology, terminology Введение Нейросетевой машинный перевод – это технология, основанная на подходе к машинному переводу, в котором используется большая искусственная нейронная сеть. Данная сеть стала первым видом искусственного интеллекта, имитирующим биологические способности человека. Био-вдохновленные сети [Kurakin 2024] используются в переводческих целях с 2015 года и во многом превзошли ранее существующие виды машинного перевода (Rule-Based MT – машинный перевод, основанный на правилах, которые описывают языковые структуры и их преобразования (развивается с 1950 гг.), а также Statistical MT – статистический перевод, базирующийся на поиске наиболее вероятного перевода предложения с использованием данных, полученных из двуязычной совокупности текстов (развивается с 2000 гг.) [Prompt 2024]). Принцип работы нейросетевого машинного перевода представляет «механизм двунаправленных рекуррентных нейронных сетей» (Bidirectional Recurrent Neural Networks) [Prompt 2024], как правило, пользующихся данными параллельных корпусов, т.е. сегментами исходных и переводных текстов, выполненных человеком. Этот механизм построен на «матричных вычислениях и позволяет создавать сложные вероятностные модели» [Там же]. Пользователи нейросетевого машинного перевода отмечают его высокую эффективность в обработке текстов больших объемов, точное соблюдение терминологии, способность адаптировать перевод под конкретный запрос и др. [Apriori 2024]. Однако одной из основных проблем по-прежнему остается перевод многозначной лексики. Межъязыковая асимметрия различных языковых пар, потребность в контекстуальной верификации, недостаток фоновых знаний нейронных сетей или невозможность их распознавания в заданных ситуациях препятствует достижению требуемого уровня эквивалентности и адекватности. Решение перечисленных проблем связано не только с техническим усовершенствованием математических алгоритмов, но и с разработкой релевантных параллельных корпусов для их обучения. Иначе говоря, для улучшения качества нейросетевого машинного перевода в аспекте обработки многозначной лексики и национально-детерминированных реалий необходим конечный словарь. Таким образом, цель данной работы – определить качественные и количественные характеристики детализации словаря как обучающего корпуса для нейросетей с целью снижения интепретативности при переводе многозначной лексики. Отметим, что в настоящем исследовании мы используем примеры китайского-русского перевода как одного из наиболее проблематичных. Теоретический обзор Параллельные данные могут представлять корпусы отдельных символов, подслов, слов, фраз, предложений и даже концептов. Уровень детализации словаря/глоссария/корпуса зависит от поставленной лингвопереводческой задачи. Например, детализация на уровне символов (иероглифов) больше подходит для создания двуязычных словарей между этническими языками. Нейронные сети при этом используют для извлечения шаблонов преобразования языковых структур и правил функционирования [Resiandi et.al., 2023]. Эксперименты показывают, что предлагаемые стратегии определения словарного запаса на основе морфологии обеспечивают улучшение или сохранение сопоставимого качества при переводе текстов, не относящихся к предметной области, для языков с богатой морфологией, таких как немецкий и баскский. Без существенной потери качества перевода фиксируются также наблюдения за морфологически бедными языками, такими как английский язык [Casas et.al., 2018]. Подобные морфологически-сконструированные пословные параллельные корпусы используются для расширения словарного запаса вымышленных языков. Алгоритм реализации подобной лингвистической задачи выглядит следующим образом: готовится ограниченный словарь из нескольких сотен слов и их переводов, на его основе нейронные сети обучают экстраполировать словарный запас языка, сохраняя при этом стиль создателя. В заданном алгоритме нейросети способны на естественном языке генерировать неологизмы, которые соответствуют уже существующим словам. Несмотря на то, что подобная работа сосредоточена на расширении словарей вымышленных языков, данный метод может быть использован для помощи малоресурсным и находящимся под угрозой исчезновения естественным языкам, словари которых со временем сокращаются [Zacharias et.al., 2022]. Проблема перевода с малоресурсных языков (например, с египетского диалекта на современный нормативный арабский язык) преодолевается с помощью методологии глубокого обучения на основе экспериментов с тремя его различными подходами: контролируемый, неконтролируемый и полуконтролируемый методы. Контролируемый метод означает обучение большой языковой модели посредством набора данных, состоящих из параллельных пар предложений на обоих языках. Полуконтролируемый метод сосредоточен на обучении модели с параллельными корпусами изначально, а затем на дальнейшем обучении с использованием одноязычных корпусов. Неконтролируемый метод включает обучение модели с использованием одноязычных предложений на обоих языках. В результате экспериментов, полуконтролируемый метод объединил сильные стороны как контролируемого, так и неконтролируемого обучения, начав с обучения на параллельных корпусах, а затем перейдя к обучению на одноязычных корпусах. Это демонстрирует эффективность объединения как маркированных (параллельные корпуса), так и немаркированных данных (одноязычные корпуса) в процессе обучения [Faheem, 2024]. Подобный гибридный подход к машинному переводу используется также в технологии Prompt Neural. Алгоритмы сначала анализируют текст и далее к разным его фрагментам выбирают наиболее релевантный метод: Rule-Based MT – машинный перевод, основанный на правилах, или нейросетевой подход [Prompt, 2024]. Гибридную систему выбирают и разработчики Яндекс.Переводчик, однако наиболее продуктивной они считают комбинацию статистического и нейросетевого подходов. Входной текст сначала обрабатывается двумя способами, а затем алгоритм, основанный на методе обучения CatBoost, оценивает полученные варианты переводов и выбирает лучший. При выставлении оценки во внимание принимаются многие параметры (длина предложения, синтаксическая структура, контекстуальное окружение и др.). Пользователю предлагается наиболее высокорейтинговый вариант перевода [Яндекс, 2024]. Нейросетевой машинный перевод в чистом виде используется в системе Google Translate. При обработке текста предложения делятся не на слова, а на сегменты, далее определяется «вес» каждого сегмента в предложении, к которому подбираются наиболее вероятные варианты перевода. На заключительном этапе происходит объединение переведенных сегментов с учетом грамматических и стилистических правил. Несмотря на то, что точность Google Translate в самых популярных языковых парах (французский – английский, испанский – английский) достигает 85-87%, нейросетям еще требуется активное пополнение корпусных данных [Cossa, 2018]. Для китайско-русского нейронного перевода особенно актуальна разработка словаря многозначной лексики. Как показывают исследования, даже в специальных текстах за счет значительного присутствия культурного компонента в терминологии, требуется снятие интерпретативности. Наиболее ярко это демонстрируется на примерах машинного перевода текстов по тематике традиционной китайской медицины [Ко, 2024], где особенно сильно размыты границы между общеупотребительными словами и терминами. Например, нейросеть не идентифицирует в качестве многокомпонентных терминов такие метафоричные словосочетания как 犊鼻 («телячий нос» – точка иглоукалывания под коленной чашечкой) или 足少阳 («нога, ступня» + «основные сосуды туловища (желудка, желчного и мочевого пузыря)»; «сосуды сердца и почек»; «меридиан почек» [Zhonga, 2024] – «точки меридиана стопа-шаоинь») [Ко, 2024]. По мнению ученых, для снятия интерпретативности национально-маркированных реалий в более продвинутых переводческих целях преимуществом обладают словари на уровне морфологически сегментированных слов [Casas et.al., 2018]. Для обработки естественного языка нейронные сети обычно разделяют исходную строку символов на последовательность подстрок и представляют каждую подстроку как отдельный токен. Детализация словарей осуществляется на уровне символов, подслов, слов, кросс-языковых вложений слов и др. В ходе изучения уровней детализации словарей в качестве обучающих корпусов ученые отмечают наиболее высокий потенциал лингвистически управляемой сегментации словарного запаса, которая позволяет морфологически осознавать связь токена со словом. Всякий раз, при добавлении новой лингвистической информации в нейронные системы, они качественно прогрессируют в интерпретируемости многозначной лексики, грамматических конструкций и др. Для устранения полисемии в научно-технических текстах внедряется метод построения предметной области на основе терминологических словарей. Предметные области конструируются благодаря онтологическим моделям, являющимся по существу графическим отображением концептуальных словарей различных естественных наук (биологии, химии, физики и др.). Для представления онтологии в системах машинного перевода дополнительно создаются: 1) словарь концептов, содержащий экземпляры концептов, атрибуты экземпляров, синонимы и акронимы концепта; 2) таблица бинарных отношений с фиксацией имени концепта-источника и целевого концепта, инверсных отношений и др.; 3) таблица атрибутов экземпляра, содержащая имя атрибута, тип значения, значение «по умолчанию», формулы и правила для вывода и др.; 4) таблица атрибутов класса; 5) таблица экземпляров для каждого входа в словарь концептов [Моренцова, 2019]. Однако данный метод эффективен в случае полноценного отображения имеющихся научно-технических концептов в терминологических словарях. На практике оказывается, что многие актуальные языковые единицы не зафиксированы в тезаурусах или описаны в их устаревших/недостоверных/неактуальных значениях. Еще одной проблемой многозначности выступает процесс (де)терминологизации лексических единиц, что также скудно представлено в современных словарях. Таким образом, разработка параллельных корпусных данных на базе ручной обработки естественного языка для обучения нейросетевых машинных переводчиков по-прежнему остается актуальной. Методология и материал исследования В исследовании используется метод экокогнитивного моделирования профессиональной коммуникации переводчиков, подробно описанный в [Чистова, 2022, C. 185–186]. Технология метода предполагает несколько этапов. На первом – определяются участники переводческого процесса как взаимодействующие субъекты и объекты материального мира, формирующие единую надындивидуальную когнитивную систему. В данном случае мы выделяем переводчика как субъекта познания, Google-переводчик как объект материального мира, способный взять на себя часть когнитивной нагрузки человека, а также цифровую среду как канал человеко-машинной коммуникации. На втором этапе осуществляется сбор данных: применяется сплошная выборка на основе неадекватных переводческих решений, произведенных нейросетевым переводчиком, по отношению к многозначной лексике. Иными словами, если Google-переводчик не справляется с интерпретацией той или иной лексической единицы в соответствии с заданным контекстом, то такая единица становится частью корпусных данных. Стоит отметить, что при отборе важен еще один критерий – неспособность «машины» снять многозначность, т.е. переводчик-исследователь на данном этапе прогнозирует степень сложности интерпретации того иного слова/термина человеком и нейросетевым переводчиком – для разных субъектов перевода степень сложности значительно отличается. Например, рассмотрим исходный текст: 东北红烧肘子大拼盘儿，制作全程流口水，软软糯糯，香迷糊了 [https://www.youtube.com/watch?v=9N-WALXaRP8]. Google-переводчик предлагает следующий вариант: Большое блюдо тушеных свиных локтей по-северо-восточному. В течение всего процесса приготовления у меня текли слюнки. Оно было мягким и клейким, и меня смутил аромат. Яндекс-переводчик также дает вариант: «…а его аромат вызывает недоумение». Помимо других имеющихся недочетов сосредоточимся на переводе слова 香. В электронной версии Большого китайско-русского словаря перечисляются такие варианты перевода как «приятный запах, ароматный, благоухать» и т.п. [Zhonga, 2024]. Однако из контекста мы понимаем, что запах как раз рассказчику не понравился, соответственно, его нельзя назвать ароматом. Человек-переводчик сможет уловить этот нюанс неосознанно и перевести как «но меня смутил запах», в то время как «машине» необходимо уточнить эту разницу за счет контекстуального окружения. Очевидно, что в переводе подобных лексических единиц необходимы дополнительные пояснения и объяснения, которые помогли бы нейронным сетям лучше «чувствовать» контекст. На третьем этапе устанавливаются «нечувствительные» для «машины» контексты, требующие дополнительных описаний. Это выполняется на основе наблюдений переводчика-исследователя, его способности к прогнозированию, а иногда, для избегания субъективности, становятся необходимы сравнительно-сопоставительные исследования ручных переводов, контекстологический анализ, дефиниционный анализ, лексикографический и терминографический виды анализа, а также опросы и эксперименты с людьми-переводчиками. На заключительном этапе отобранные многозначные лексические единицы систематизируются, классифицируются и подвергаются подробному описанию по заранее разработанной схеме. Материалом исследования на втором этапе послужили исходные тексты на китайском языке, предназначенные для реальной переводческой деятельности. Тексты имеют различную жанровую принадлежность: от официально-деловых документов до развлекательного контента на веб-сайтах. В качестве материала исследования на третьем этапе привлекались интернет-статьи, поликодовый и мультимодальный веб-контент, словари и специализированные справочники в заданном виде дискурса. Это помогло обогатить палитру примеров функционирования рассматриваемых лексических единиц в контексте, а также выделить особенности их употребления для последующей категоризации под нейросетевой переводчик. В качестве тестируемых нейросетевых переводчиков используются Google-переводчик и Яндекс-переводчик. Для демонстрации примеров выбирается наиболее «удачный» вариант одного из автоматических переводчиков, при этом имеющий слабый интерпретативный потенциал в рассматриваемой лексической единице. Проиллюстрируем на том же исходном тексте: 东北红烧肘子大拼盘儿，制作全程流口水，软软糯糯… [https://www.youtube.com/watch?v=9N-WALXaRP8]. Яндекс-переводчик предлагает такой вариант: Рулет из тушеного мяса на северо-востоке в процессе приготовления получается мягким и воскообразным… Помимо других неточностей и странностей обратим внимание на перевод лексической единицы 拼盘儿. Имеющиеся видеоряд и фотографии, размещенные на сайте, доказывают, что описываемое китайское лакомство никак не может называться рулетом, поскольку на большой тарелке отчетливо просматриваются отдельно расположенные мясные фрагменты. Google-переводчик дает свой вариант: Большое блюдо тушеных свиных локтей по-северо-восточному. В течение всего процесса приготовления у меня текли слюнки. Оно было мягким и клейким… Поскольку перевод 拼盘儿 как «большое блюдо» представляется более адекватным в заданном контексте, то в примере будет обсуждаться только вариант, предлагаемый Google-переводчиком. Таким образом, алгоритм исследования заключается в следующем: 1) выявить неадекватные переводческие решения, выполненные нейросетевыми переводчиками; 2) определить, является ли многозначность причиной неадекватного варианта машинного перевода; 3) установить причину низкого интерпретативного потенциала по отношению к рассматриваемой лексической единице; 4) описать возможные способы снятия многозначности, прогнозируя логику нейросетевого переводчика; 5) внести тестируемую лексическую единицу в словарь; 6) разработать схему оформления словарной статьи под нейросетевой переводчик; 7) в зависимости от классификации отобранных лексических единиц усовершенствовать схему оформления или разработать несколько видов схем под запросы каждого класса. Результаты исследования и дискуссионные аспекты Сбор корпусных данных позволяет выделить два основных вида многозначной с точки зрения нейросетевого перевода лексики: 1) контекстно-обусловленный и 2) фразеологически-связанный. Многозначность первого вида может проявляться на уровне смысла – в определенной коммуникативной ситуации и на формальном уровне – при особом лексико-грамматическом окружении, поддающемся машинной обработке. В качестве одного из вариантов снятия такого рода полисемии ученые предлагают использовать интерактивный подход к процессу нейросетевого перевода, когда при выявлении случаев неоднозначности «машина» предлагает переводчику выбрать наиболее уместный вариант из фильтра значений [Мукабенов, Ахмадуллина, 2023, C. 178]. Это действительно представляется эффективным решением проблемы, при условии, что нейросетевой переводчик качественно справляется с распознаванием многозначных слов, количество которых адекватно с точки зрения трудо- и времязатрат человека-переводчика при их корректировке. Помимо встроенных фильтров значений в виде «всплывающего облака», мы считаем, что для китайско-русской языковой пары следует разрабатывать большие массивы описательных схем, предназначенных для обучения нейросетей. В противном случае корректировка при ручном выборе контекстуально-обусловленных значений будет занимать слишком много времени ввиду обилия многозначных слов, не зафиксированных на сегодняшний день в словарях. Рассмотрим алгоритм исследования на примере лексической единицы 拼盘儿, довольно часто встречающейся в рекламном, развлекательном и коммерческом видах дискурса. Согласно словарю БКРС, 拼盘(儿) – pīnpán (pīnpánr) – это «ассорти из холодных закусок, холодные закуски (еда)» [https://www.zhonga.ru/chinese-russian/拼盘/emdu4]. Изученные в Интернет-сети контексты дают понять, что под данной словарной единицей далеко не всегда подразумеваются холодные закуски, например: #好吃到停不下来 #火鸡面套餐拼盘儿 [https://www.douyin.com/video/7405410421840071987]. Google-переводчик: # Тоже вкусно, невозможно остановиться # Блюдо с лапшой из индейки (Авторский перевод (далее – АП): # Так вкусно, что невозможно остановиться # Ассорти комплексных обедов из лапши с идейкой). Более того, предложенные в Словаре варианты перевода выглядят громоздкими, они обладают низким словообразовательным потенциалом, что затрудняет их употребление при встраивании в контекст. В ручном переводе человек чувствует эти стилистические ограничения и выбирает отличные от словарных варианты перевода. Интересно, что нейросетевые переводчики действуют по тому же сценарию. Во многих примерах 拼盘儿нейросеть переводит как «блюдо», что в ряде случаев довольно уместно, например: 东北红烧肘子大拼盘儿，制作全程流口水，软软糯糯，香迷糊了 [https://www.youtube.com/watch?v=9N-WALXaRP8]. Google-переводчик: Большое блюдо тушеных свиных локтей по-северо-восточному. В течение всего процесса приготовления у меня текли слюнки. Оно было мягким и клейким, и меня смутил аромат (АП: Локти получились мягкими и клейкими, но меня смутил запах). В данном предложении «блюдо» представляется наиболее удачным переводом, так как «большое ассорти» в основном употребляется отдельно с последующим описанием его наполнения, например: «Серия подарочных наборов “Большое ассорти”. Состоит из…». Однако в другом примере перевод 拼盘儿 как «блюдо» представляется не совсем адекватным в связи с несочетаемостью слов: 找五谷杂粮拼盘，上阿里巴巴，厂家直销，源头厂货! [https://jingyan.baidu.com/article/54b6b9c05eaaf56c583b47a7.html]. Google-переводчик: Если вы ищете блюдо из цельнозерновых продуктов, зайдите на Alibaba. Прямые продажи с фабрики, исходные фабричные товары! (АП: Если вы ищете ассорти из цельнозерновых продуктов, зайдите на Alibaba. Прямые продажи с фабрики, оригинальная фабричная продукция!). Сами того не осознавая, мы используем лексему «блюдо» только с готовой едой. Если, как в данном примере, в наборе имеются пищевые продукты, требующие обработки, т.е. варки перед употреблением, то перевод «блюдо» звучит не уместно. В качестве вариантного соответствия 拼盘儿 также иногда встречается «тарелка», например: 酱卤拼盘儿 [https://m.mingchu.co/foodview?id=143040]. Google-переводчик: Тарелка с тушеным соусом. Очевидно, что перевод «тарелка» в данном контексте тоже не совсем адекватно звучит, так как соус у нас подают в отдельной специальной посуде и как сопутствующий компонент к определенному главному блюду, которое в предложенном варианте перевода не было упомянуто. Читая версию «Тарелка с тушеным соусом», можно понять, что при заказе мы получим несколько видов соуса, в то время как на самом деле речь идет о блюде из тушеной свинины, которая подается с пикантным соусом. Так, нейросетевой Google-перевод вводит пользователя в заблуждение. Стоит отметить, что Яндекс-переводчик предлагает более адекватный вариант: Блюдо с тушеным мясом в соусе. Помимо пищевой тематики 拼盘儿 также используется и в других контекстах, например: 拼盘儿的第1本书 [https://fanqienovel.com/page/6851793729183812619]. Google-переводчик: книга 1 блюда. Очевидно, что нейросеть не обучена отличным от еды тематикам, в частности литературной, что доказывает ее неадекватный перевод как данного слова, так и словосочетания в целом. Человек понимает, что по аналогии с «ассорти/ассортиментом» на обложке книги 拼盘儿 может переводиться как «собрание сочинений / сборник / трилогия» и т.п. Однако нейросеть не способна провести такие параллели. Соответственно, подобные контексты и варианты перевода необходимо для нее «прописать». Итак, в результате первых этапов алгоритма исследования установлено, что 拼盘儿 является лексической единицей, вызывающей трудности при нейросетевом машинном переводе. Причиной затруднений является, во-первых, ее многозначность в различных дискурсах, а во-вторых, высокая смысловая и стилистическая вариативность при переводе на русский язык. Перечисленные причины приводят к неадекватным переводческим решениям. Одним из способов повышения интерпретативного потенциала нейросетевого переводчика является подробное описание контекстуального окружения, указывающего на нюансы значений при выборе наиболее подходящего варианта перевода. Для реализации данной задачи разработаем схему оформления словарной статьи под нейросетевой переводчик (см. Табл. 1). Основным принципом разработки схемы является ориентирование на логику нейросетевого переводчика, т.е. акцент ставится на тех аспектах, с которыми при интерпретации лексики «машина» не справляется. Для этого выделяется тема (основные виды дискурса, в которых была зафиксирована рассматриваемая лексема), подтема (основные виды коммуникативных ситуаций и жанры текстов), лексическая единица на исходном языке с возможными вариантами ее сокращений и представленность ее переводческих эквивалентов в двуязычных словарях, грамматические характеристики и определение в исходном и переводном языках, сочетаемость лексической единицы (формат схемы позволяет увидеть межъязыковую асимметрию на грамматическом уровне, влияющую на адекватность вариантов перевода), варианты перевода в зависимости от дискурса, варианты перевода в зависимости от категоризации понятия (описание возможных комбинаций контекстуального окружения, влияющего на перевод, в формате схем лексико-грамматической сочетаемости и категоризации понятия). Таблица 1. Схема оформления словарной статьи лексической единицы 拼盘儿под нейросетевой переводчик Язык Китайский Русский Тема Гастрономический дискурс, коммерческий дискурс, рекламный дискурс, развлекательный дискурс, издательский дискурс Подтема Заказ еды по интернету, оформление меню ресторана, видео-рецепты, шуточные или омерзительные видео-ролики для продвижения личного бренда в социальных сетях, обложки книжных изданий Лексическая единица 拼盘儿 - pīnpánr Переводы, зафиксированные в словарях: • ассорти из холодных закусок, холодные закуски (еда) [https://www.zhonga.ru/chinese-russian/拼盘/emdu4] • общ. ассорти из холодных закусок [https://www.multitran.com/m.exe?ll1=17&ll2=2&s=拼盘儿&l1=17&l2=2] Возможные сокращения 拼盘 - pīnpán - Грамматическая характеристика 名词(существительное) В зависимости от приема перевода: • существительное (тарелка, блюдо и др.) • словосочетание (ассорти из…; холодные закуски и др.) Определение 就是各种新鲜(熟制, 油炸, 炖,等等)食品混合在一起，做成的饭后甜点品，可以任意组合各种食品。 • Ассорти – «специально подобранная смесь чего-н., набор» (Толковый словарь Ожегова) • Тарелка и блюдо в заданном значении не зафиксированы в современных словарях Лексико-грамматическая сочетаемость 名词/形容词 (сущ. или прилаг.) +拼盘儿 • Прилагательное + ассорти + из/с + существительное(ые) • Прилагательное + тарелка + с + существительное(существительные) • Прилагательное + блюдо + «название» • Холодные закуски (употребляется самостоятельно) Варианты перевода в зависимости от дискурса • гастрономический дискурс: 拼盘儿– тарелка, блюдо, ассорти, холодные закуски, ассорти из холодных закусок; • коммерческий дискурс: 拼盘儿 – ассорти; • рекламный дискурс: 拼盘儿 – ассорти; • развлекательный дискурс: 拼盘儿 – блюдо, тарелка, ассорти; • издательский дискурс: 拼盘儿 – собрание сочинений, сборник сочинений, коллекция, трилогия Варианты перевода в зависимости от категоризации понятия 1. Категория продуктов питания, от которых образуются благозвучные прилагательные (овощи, фрукты, сыры, мясо и т.п.), + 拼盘儿 переводится как «тарелка», например: 水果拼盘 – фруктовая тарелка, 素拼盘 – вегетарианская тарелка, 米饭拼盘 – рисовая тарелка. 2. Категория продуктов питания, от которых не образуются прилагательные (морепродукты, бекон и т.п.), + 拼盘儿 переводится как «ассорти из», например: 咸菜拼盘 – ассорти из маринованных огурцов, 熏肉拼盘 – ассорти из бекона, 寿司拼盘 – ассорти из суши, 卤味拼盘 – ассорти из тушеной свинины, вареных яиц и тофу, 熟食拼盘 – ассорти из мясных закусок, 海鲜拼盘 – ассорти из морепродуктов. 3. Известное национальное блюдо + 拼盘儿 переводится как «блюдо», например: 寿大吉拼盘 – блюдо «шоудацзи». 4. Несколько категорий продуктов питания, ингредиентов или способы приготовления блюд + 拼盘儿 переводится как «блюдо», например: 熏酱拼盘 – блюдо с соусом с ароматом дыма, 酱卤拼盘儿 – блюдо из тушеной свинины с соусом 5. Качественная характеристика + 拼盘儿переводится как «блюдо», например: 美食拼盘 – изысканное блюдо (для гурманов) Многозначность второго вида актуализируется в устойчивом словосочетании, ранее не зафиксированном в словарях. Для устранения подобной проблемы схемы с подробным описанием всех характеристик лексической единицы избыточны, достаточно выявить такие лексико-фразеологические или терминологичные словосочетания и оформить в словарную статью. Рассмотрим алгоритм исследования с целью упрощения схемы оформления на примере терминологического словосочетания 成交方式. Яндекс-переводчик предлагает вариант: «способ совершения транзакции». Google-переводчик выдает: «метод транзакции». Ни одно, ни другое словосочетание не встречается в интернет-текстах, согласно показателю частотности употребления слов. В деловой русскоязычной среде термин «транзакция» также редко используется ввиду своей многозначности: 1) «банковская операция, состоящая в переводе денежных средств с одного счета на другой» [Финансовый словарь Финам https://dic.academic.ru/dic.nsf/fin_enc/30557]; 2) «процесс обмена денежными средствами или продажи активов, товаров или услуг между двумя или более участниками» [Энциклопедия на портале Банки.ру. https://www.banki.ru/wikibank/tranzaktsiya/]; 3) «любая оплата банковской картой» [Справочник предпринимателя на портале «Бизнес-секреты» https://secrets.tinkoff.ru/glossarij/tranzaktsiya/?internal_source=copypaste]; 4) «операция по перемещению денежных средств, совершение сделки купли-продажи» [Словарь банковских терминов на портале MyFin https://myfin.by/wiki/term/tranzakciya] и т.п. Очевидно, что под транзакцией одновременно подразумевается и платеж, и процесс сделки, и договор, и даже транспортировка, но в большинстве случаев платеж как банковская операция. Это подтверждается наличием в интернет-текстах таких словосочетаний как банковская/банкоматная транзакция или онлайн-транзакция, оффлайн-транзакция. На китайском языке все перечисленные «синонимы» имеют отдельные переводческие эквиваленты. Более того, в русскоязычных словарях и учебниках по коммерческому переводу давно зафиксирован вариант перевода 成交 как «сделка» [https://www.zhonga.ru/search?q=成交方式; Дашевская, Кондрашевский, 2003. С. 33]. Очевидно, что нейросети не обучены данному переводческому соответствию, при том, что сделка – более широкое по семантическому объему понятие, включающее платеж как один из финальных этапов длительного (как часто бывает между российскими и китайскими предпринимателями) процесса взаимодействия двух заинтересованных сторон. Таким образом, для снятия многозначности в случае устойчивого словосочетания можно предложить упрощенный вариант схемы (см. Табл. 2): Таблица 2. Схема оформления словарной статьи терминологической единицы 成交方式под нейросетевой переводчик Язык Китайский Русский Тема Коммерческий дискурс, деловой дискурс, банковский дискурс Подтема Деловые переговоры, обсуждение условий сделки, официально-деловые документы Лексическая единица 成交方式 - chéngjiāo fāngshì Переводы, зафиксированные в словарях: • 成交 chéngjiāo – совершить торговую сделку; произвести обмен (куплю-продажу) • 方式 fāngshì – 1) система; режим; образ; способ; вид; система; 2) образец; образ; модель; 3) метод, способ [https://www.zhonga.ru/search?q=成交方式] • 成交方式 – способ совершения сделки [https://www.multitran.com/m.exe?l1=17&l2=2&s=成交方式] Определение 成交方式是根据签订出口合同的贸易术语填报的，但是和贸易术语并非完全一致，报关单的成交方式一共有7种，实务中一般能见到CIF、C&F、FOB、EXW这四种。 Сделка – это юридически значимое соглашение, договор или действия между двумя или более сторонами, которые устанавливают их права и обязанности в отношении определенных юридических или финансовых вопросов (ст. 153 ГК РФ). Лексико-грамматическая сочетаемость 名词 (сущ.) +成交方式 成交方式+根据…选择 • Вид сделки • Вид сделки + FOB/CIF/EXW и др. • Вид сделки определяется в зависимости от… Варианты перевода в зависимости от дискурса • деловой дискурс: 成交方式– вид сделки; • коммерческий дискурс: 成交方式 – вид сделки; • банковский дискурс: 成交方式 не используется, вместо данной терминологической единицы встречаются другие словосочетания: 付款条件 – условия платежа и 付款方式 – способ оплаты. Заключение Исследование показывает, что для выявления неадекватных переводческих решений требуется личный опыт и профессионализм практикующих переводчиков, а также качественно проведенные контекстологический, дефиниционный, лексикографический или терминографический виды анализа. На текущий момент нейросетевые переводчики не обладают подобными исследовательскими компетенциями, фоновыми знаниями и опытом, соответственно, не справляются с идентификацией явления лексической многозначности. Решением данной проблемы является разработка двуязычных словарей на основе ручной обработки параллельных исходных и переводных текстов, предназначенных для реального перевода. Качественными характеристиками детализации подобных словарей, предназначенных для обучения нейросетевых машинных переводчиков, выступают: идентификация сферы употребления лексической единицы, лингвистические и дефиниционные маркеры, словарная представленность и переводческая вариативность в зависимости от категории понятия, лексико-грамматической сочетаемости и дискурсивной направленности. В словарь включаются: 1) слова и термины, не зафиксированные в словарях и требующие лексико- или терминографического описания; 2) слова и термины, зафиксированные в словарях, но требующие верификации значения и/или выявления нового значения для актуализации лексико- или терминографического описания; 3) слова и термины, зафиксированные в словарях, но требующие синонимичного поиска вариантов с более высоким словообразовательным потенциалом для более динамичного употребления в современных контекстах; 4) слова и термины, зафиксированные в словарях, но требующие контекстологического анализа для определения точных переводческих эквивалентов в зависимости от дискурсивной направленности и жанровой принадлежности; 5) слова и термины, зафиксированные в словарях, но требующие контекстологического анализа для определения точных переводческих эквивалентов в зависимости от лексико-грамматической сочетаемости; 6) слова и термины, зафиксированные в словарях, но требующие контекстологического анализа для определения точных переводческих эквивалентов в зависимости от концептуально-категориальной таксономии. С точки зрения количественных требований к подобным словарям, стоит отметить необходимость в разработке как минимум 1000 строк для этапа апробации обучающего материала. При том, что одна строка равна одной схеме оформления словарной статьи лексической единицы с 8-10 параметрами. Далее при масштабировании обучающего проекта словарь должен включать 2000-10000 строк. Таким образом, при соблюдении установленных принципов разработки китайско-русский словарь многозначной лексики представляет эффективное решение по устранению полисемии и повышению интепретативности нейросетевых машинных переводчиков. Список литературы 1. Дашевская Г.Я., Кондрашевский А.Ф. Китайский язык для делового общения. 3-е изд., испр. М.: Муравей, 2003. 252 с. 2. Ко Ч. Машинный перевод текстов в области традиционной китайской медицины // От машинного перевода к машинному обучению. Cборник научных статей (27–28 октября 2023 г.). Архангельск, 2024. С. 70-73. 3. Мифтахова Р.Г. Методы пополнения корпусных данных в статистическом машинном переводе // Доклады Башкирского университета. 2017. Т. 2. № 1. С. 97-103. 4. Моренцова А.В. Устранение лексической многозначности при машинном переводе: от терминологических словарей к онтологии предметной области // Актуальные научные исследования в современном мире. 2019. № 3-5 (47). С. 69-73. 5. Мукабенов К.И., Ахмадуллина Е.Н. Основные проблемы машинного перевода и пути их решения // Проблемы языка и перевода в трудах молодых ученых. 2023. № 22. С. 176-181. 6. Чистова Е.В. Экокогнитивная модель профессиональной мультимодальной коммуникации (на примере кейса синхронных переводчиков) (Дис…. д-ра н.). Красноярск. 2022. 448 с. 7. Яндекс. Официальный сайт // Технологии. URL: https://yandex.ru/company/technologies/translation. (Дата обращения: 19.03.2024). 8. Apriori. Official website of the translation services company // Articles. Retrieved June 20, 2024, from https://apriori-ltd.ru/apriori-news-blogs-and-articles/tpost/2d59h4s0i1-mashinnii-perevod-innovatsii-i-vliyanie. 9. Casas, N., Costa-juss`a, M.R., Fonollosa, J.A.R., Alonso, J.A., Fanlo. R. (2018). Linguistic knowledge-based vocabularies for Neural Machine Translation. Natural Language Engineering. UK: Cambridge University Press. 1 (1): 1–27. 10. Cossa. (2018). Online service for collaboration of the company Bitrix24 // How the Google Translate neural network works. Retrieved May 12, 2024, from https://www.cossa.ru/trends/196086/. 11. Faheem, M.A., Wassif1, K.T., Bayomi1, H., Abdou, S.M. (2024). Improving neural machine translation for low resource languages through non‑parallel corpora: a case study of Egyptian dialect to modern standard Arabic translation. Scientifc Reports. 14:2265. Retrieved August 15, 2024, from https://doi.org/10.1038/s41598-023-51090-4. 12. Kurakin, G. How AI originates from biology – and how it returns to it. Biochem (Lond) 27 May 2024; 46 (2): 3–6. Retrieved September 24, 2024, from URL: https://doi.org/10.1042/bio_2024_120. 13. Multitran. Chinese-Russian dictionary https://www.multitran.com/m.exe?l1=17&l2=2. 14. Prompt. Official website // Technologies / Glossary. Retrieved March 13, 2024, from https://www.promt.ru/company/technology/glossary. 15. Resiandi, K., Murakami, Y., Nasution, A.H. (2023). Neural Network-Based Bilingual Lexicon Induction for Indonesian Ethnic Languages. Applied Sciences. 13, 8666. Retrieved October 27, 2024, from https://doi.org/10.3390. 16. Wang, J. (2022). Research on Cultural Translation Based on Neural Network // Mathematical Problems in Engineering. Retrieved October 19, 2024, from https://doi.org/10.1155/2022/6330814. 17. Zacharias, T., Taklikar, A., Giryes, R. (2022). Extending the Vocabulary of Fictional Languages using Neural Networks // Workshop Machine Learning for Creativity and Design. Retrieved October 16, 2024, from https://www.researchgate.net/publication/357953278. 18. Zhonga. Online Chinese Dictionary. Retrieved March 13, 2024, from https://www.zhonga.ru/. References 1. Dashevskaya, G.Ya., Kondrashevskij, A.F. (2003). Kitajskij yazyk dlya delovogo obshcheniya [Chinese for Business Communication]. 2. Ko, Ch. (2024). Mashinnyj perevod tekstov v oblasti tradicionnoj kitajskoj mediciny [Machine translation of texts in the field of traditional Chinese medicine]. Ot mashinnogo perevoda k mashinnomu obucheniyu. (October, 27–28, 2023). Arhangel'sk, S. 70-73. 3. Miftahova, R.G. (2017). Metody popolneniya korpusnyh dannyh v statisticheskom mashinnom perevode [Methods of Enriching Corpus Data in Statistical Machine Translation]. Doklady Bashkirskogo universiteta. 2. № 1. S. 97-103. 4. Morencova, A.V. (2019). Ustranenie leksicheskoj mnogoznachnosti pri mashinnom perevode: ot terminologicheskih slovarej k ontologii predmetnoj oblasti [Elimination of Lexical Ambiguity in Machine Translation: From Terminological Dictionaries to Domain Ontology]. Aktual'nye nauchnye issledovaniya v sovremennom mire. № 3-5 (47). S. 69-73. 5. Mukabenov, K.I., Ahmadullina, E.N. (2023). Osnovnye problemy mashinnogo perevoda i puti ih resheniya [The main problems of machine translation and ways to solve them]. Problemy yazyka i perevoda v trudah molodyh uchenyh. № 22. S. 176-181. 6. Chistova, E.V. (2022). Ekokognitivnaya model' professional'noj mul'timodal'noj kommunikacii (na primere kejsa sinhronnyh perevodchikov) [Eco-cognitive model of professional multimodal communication (using the case of simultaneous interpreters as an example)]. [Doctoral dissertation, Siberian Federal University]. Krasnoyarsk. 448 s. 7. Yandeks. Oficial'nyj sajt // Tekhnologii [Technologies]. Retrieved March 13, 2024, from https://yandex.ru/company/technologies/translation. 8. Apriori. Official website of the translation services company // Articles. Retrieved June 20, 2024, from https://apriori-ltd.ru/apriori-news-blogs-and-articles/tpost/2d59h4s0i1-mashinnii-perevod-innovatsii-i-vliyanie. 9. Casas, N., Costa-juss`a, M.R., Fonollosa, J.A.R., Alonso, J.A., Fanlo. R. (2018). Linguistic knowledge-based vocabularies for Neural Machine Translation. Natural Language Engineering. UK: Cambridge University Press. 1 (1): 1–27. 10. Cossa. (2018). Online service for collaboration of the company Bitrix24 // How the Google Translate neural network works. Retrieved May 12, 2024, from https://www.cossa.ru/trends/196086/. 11. Faheem, M.A., Wassif1, K.T., Bayomi1, H., Abdou, S.M. (2024). Improving neural machine translation for low resource languages through non‑parallel corpora: a case study of Egyptian dialect to modern standard Arabic translation. Scientifc Reports. 14:2265. Retrieved August 15, 2024, from https://doi.org/10.1038/s41598-023-51090-4. 12. Kurakin, G. How AI originates from biology – and how it returns to it. Biochem (Lond) 27 May 2024; 46 (2): 3–6. Retrieved September 24, 2024, from URL: https://doi.org/10.1042/bio_2024_120. 13. Multitran. Chinese-Russian dictionary https://www.multitran.com/m.exe?l1=17&l2=2. 14. Prompt. Official website // Technologies / Glossary. Retrieved March 13, 2024, from https://www.promt.ru/company/technology/glossary. 15. Resiandi, K., Murakami, Y., Nasution, A.H. (2023). Neural Network-Based Bilingual Lexicon Induction for Indonesian Ethnic Languages. Applied Sciences. 13, 8666. Retrieved October 27, 2024, from https://doi.org/10.3390. 16. Wang, J. (2022). Research on Cultural Translation Based on Neural Network // Mathematical Problems in Engineering. Retrieved October 19, 2024, from https://doi.org/10.1155/2022/6330814. 17. Zacharias, T., Taklikar, A., Giryes, R. (2022). Extending the Vocabulary of Fictional Languages using Neural Networks // Workshop Machine Learning for Creativity and Design. Retrieved October 16, 2024, from https://www.researchgate.net/publication/357953278. 18. Zhonga. Online Chinese Dictionary. Retrieved March 13, 2024, from https://www.zhonga.ru/.
ASSISTANT
**Рецензия на работу «Принципы разработки китайско-русского словаря многозначной лексики в качестве обучающего корпуса для нейросетевого машинного перевода»** **Автор:** [Не указано] **Журнал:** [Не указано] **Оценка:** Работа посвящена актуальной и востребованной теме повышения качества нейросетевых машинных переводчиков через разработку специализированного словаря многозначной лексики для китайско-русской языковой пары. В целом, исследование демонстрирует понимание проблематики и попытку предложить конструктивные методы её решения. Однако, несмотря на потенциальную ценность исследования, существуют существенные недостатки, требующие внимательного рассмотрения и доработки. **Положительные аспекты:** 1. **Актуальность темы:** Проблема обработки многозначной лексики в нейросетевых переводчиках особенно актуальна для языковых пар с высокой межъязыковой и межкультурной асимметрией, к которой отнесены китайско-русская пара. Это подчеркивает значимость исследования в контексте современных задач машинного перевода. 2. **Методология:** Использование экокогнитивного моделирования профессиональной коммуникации переводчиков представляет собой инновативный подход к сбору и анализу корпусных данных. Этапный подход к исследованию позволяет структурированно подойти к решению поставленных задач. 3. **Практическая направленность:** Разработка схем оформления словарных статей с учетом специфики нейросетевых переводчиков свидетельствует о прагматичном подходе автора к решению проблемы и потенциальной применимости результатов исследования. **Недостатки и области для доработки:** 1. **Неоднородность терминологии и неполное освещение литературы:** - В тексте присутствует смешение терминов и понятий, что затрудняет понимание исследования. Например, используются термины «интерпретативность» и «интрепретативность», которые, вероятно, имеют в виду одно и то же явление, но употреблены неконсистентно. - Обзор литературы ограничен и не охватывает широкий спектр современных исследований в области нейросетевого машинного перевода и лексикографии. Отсутствуют ссылки на ключевые работы в данной области, что снижает научную обоснованность исследования. 2. **Неясность методологии:** - Метод экокогнитивного моделирования описан поверхностно. Не представлено достаточно деталей о том, как именно проводился сбор данных, какие критерии использовались для отбора лексических единиц и как проводился анализ. - Примеры, приведенные для иллюстрации проблем перевода, носят изолированный характер и не демонстрируют системности подхода. Не показано, насколько выбирались примеры случайным образом или по определённым правилам, что может вызвать сомнения в репрезентативности результатов. 3. **Недостаточная обоснованность выводов:** - В заключении утверждается, что разработка словаря многозначной лексики является эффективным решением проблемы полисемии. Однако результаты исследования представлены на примере нескольких лексических единиц, что недостаточно для общих выводов. - Отсутствует количественный анализ эффективности предложенного подхода. Не приведены метрики или критерии, показывающие насколько разработанный словарь улучшает качество перевода по сравнению с существующими методами. 4. **Организационные и стилистические ошибки:** - В работе наблюдаются языковые погрешности и неоднозначности, что снижает её профессиональный уровень. Например, часть предложений сформулированы путано, что затрудняет восприятие информации. - Форматирование таблиц и схем оформления словарных статей выполнено непоследовательно, что затрудняет их интерпретацию. Рекомендуется использовать стандартизированные таблицы и обеспечить их соответствие тексту. 5. **Ограниченная применимость:** - Предложенные схемы оформления словарных статей содержат множество параметров (8-10), что может затруднить их практическое применение при масштабировании проекта до 10,000 строк. Отсутствуют рекомендации по оптимизации процесса создания и поддержки словаря в долгосрочной перспективе. **Рекомендации:** 1. **Углубить обзор литературы:** Включить анализ более широкого спектра исследований в области нейросетевого машинного перевода, лексикографии и обработки многозначной лексики. Это позволит лучше обосновать выбор методологии и продемонстрировать знание современных тенденций. 2. **Уточнить методологию:** Предоставить более подробное описание этапов исследования, критериев отбора данных и методов анализа. Это повысит прозрачность исследования и позволит другим ученым воспроизвести или расширить полученные результаты. 3. **Представить количественные данные:** Включить результаты экспериментов с использованием разработанного словаря, сравнивая показатели качества перевода до и после его применения. Использовать стандартные метрики машинного перевода, такие как BLEU, METEOR или TER. 4. **Улучшить структурирование работы:** Переработать организацию текста, обеспечить логический переход между разделами и устранить стилистические ошибки. Это повысит читабельность и профессиональный уровень публикации. 5. **Обосновать масштабируемость:** Предоставить план или рекомендации по расширению словаря до необходимых количеств строк, учитывая ресурсозатраты и возможные автоматизированные инструменты для поддержки процесса. **Заключение:** Исследование затрагивает важную и актуальную проблему в области машинного перевода, предлагая практические решения для улучшения обработки многозначной лексики. Однако для повышения научной ценности и практической применимости работы необходимо устранить выявленные недостатки, углубить методологическую базу и предоставить количественные доказательства эффективности предложенных подходов. Рекомендую автору доработать работу с учетом указанных замечаний для последующей публикации в высокорейтинговом научном издании. **Оценка:** Рекомендую принять работу с доработкой.