ترغب بنشر مسار تعليمي؟ اضغط هنا

التحوّلات النّصية الدّقيقة و إعادة صياغة نظم الكلام في التّرجمة

Micro-Textonymic Transformations & Recreation of Collocation In Translation

1981   4   108   0 ( 0 )
 تاريخ النشر 2013
  مجال البحث لغة انكليزية
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

يحاول هذا البحث أن يسلّط الضّوء على حتمية التّحوّلات النّصية الدّقيقة خلال عملية الترجمة. فالإدّعاء القائل إنّ التّرجمة تستلزم التّحولات قد تمّ التّثبّت منه من خلال ترجمة بعض نماذج نظم الكلام النّصية الدّقيقة التقليدية و غير التّقليدية في اللغة الإنكليزية إلى اللغة العربية. و رغم أنّ بعض أصحاب النّظريات في التّرجمة فهم التّحوّلات على أنّها مؤشّر ضعفٍ لا مفرَّ منه، فإنّ البعض الآخر يتحقّق من أهمّيتها في مخاطبة المتلقِّين في النّص الهدف بصورةٍ ناجعةٍ لدرجة القول إن لا ترجمة َهناك دون تحوّل. و لسوف تساهم مهارة المترجم و خبرته في الإشراف و التّدبير المُلازِمَين للتّحوّلات النّصيّة الدّقيقة لهذه النّماذج، كون المترجم هو محلِّل رموز شيفرة النّص الأصلي و مركِّب رموز شيفرة النّص الهدف. لقد عُرِّفت الأمانة في التّرجمة ليس من خلال علاقتها بالحرفية المنشودة كثيراً و الالتصاق التّام بالنّص الأصليّ بقدر ما هي مؤشرٌ لمدى إسهام التّحوّلات النّصية الدّقيقة في مساعدة المترجمين على محاكاة المبتغى البلاغي للنّصّ الأصليّ, و ضمان قبول المتلقِّين له و إقبالهم على قراءته في لغة النّصّ الهدف و ثقافته.

المراجع المستخدمة
Aixela, Javier Franco. "Culture-Specific Items in Translation". In Translation, Power, Subversion. Edited by: Roman Alvarez and M. Carmen-Africa Vidal. Clevedon, Philadelphia. Adelaide: Multilingual Matters LTD. 1996. pp. 52-78
Baalbaki, Munir and Baalbaki, Rohi. Al-Mawrid English-Arabic Arabic-English. Beirut: Dar El-Ilm Lilmalayen. 1998
Baker, Mona. In Other Words A Coursebook on Translation. London and New York: Routledge. 1992-2001
قيم البحث

اقرأ أيضاً

إعادة صياغة إعادة صياغة مهمة مهمة في معالجة اللغة الطبيعية. تركز الأشغال السابقة على توليد إعادة صياغة مستوى الجملة، مع تجاهل توليد إعادة صياغة مستوى المستند، وهي مهمة أكثر تحديا وقيمة. في هذه الورقة، نستكشف مهمة إعادة صياغة نص عن طريق الوثيقة لأول م رة والتركيز على التنوع بين الجملة من خلال النظر في إعادة كتابة الجملة وإعادة ترتيبها. نقترح Corpg (توليد إعادة صياغة البحث عن النصوص الموجهة)، والتي تتمتع بالطرازات الرسم البياني Gru لتشفير الرسم البياني لعلاقة الاتساق والحصول على تمثيل مدرك التماسك لكل جملة، والتي يمكن استخدامها لإعادة ترتيب جمل الإدخال المتعددة (المحورة). نحن نقوم بإنشاء مجموعة بيانات صياغة على مستوى الوثيقة Pseudo لتدريب Corpg. تظهر نتائج التقييم التلقائي أن Corpg تفوقت على العديد من النماذج الأساسية القوية على درجات Bertscore وتنوعها. يوضح التقييم البشري أيضا أن نموذجنا يمكن أن يولد إعادة صياغة المستندات بمزيد من التنوع والحفاظ الدلالي.
تتمثل التعريف بإعادة الصياغة (PI)، وهي مهمة أساسية في معالجة اللغة الطبيعية، هي تحديد ما إذا كانت الجملتين تعبر عن نفس المعنى المماثل، وهي مشكلة تصنيف ثنائية. في الآونة الأخيرة، كانت النماذج اللغوية المدربة مسبقا بيرت هي خيارا شائعا لأطر نماذج PI الم ختلفة، ولكن جميع الطرق الحالية تقريبا تنظر في نص مجال عام. عندما يتم تطبيق هذه الأساليب على مجال معين، لا يمكن أن تكتب النماذج الحالية تنبؤات دقيقة بسبب نقص المعرفة المهنية. في ضوء هذا التحدي، نقترح إطارا جديدا، وهو، الذي يمكن أن يستفيد من المعرفة الخارجية غير المنظمة في ويكيبيديا لتحديد المواطن بدقة. نقترح علما مخلاصة المعرفة بالمفاهيم المتعلقة بحكمات معينة من ويكيبيديا عبر نموذج BM25. بعد استرداد المعرفة المخططة ذات الصلة، يجعل التنبؤات بناء على كل من المعلومات الدلالية للجملتين ومعرفة الخطوط العريضة. إضافة إلى ذلك، نقترح آلية Gating تجميع التنبؤ الدلالي القائم على المعلومات والتنبؤ القائم على المعرفة. تتم إجراء تجارب واسعة على مجموعة بيانات عامين: العرض (مجموعة بيانات مجال علوم الكمبيوتر) و Clinicalsts2019 (مجموعة بيانات مجال الطب الحيوي). تشير النتائج إلى أن الأساليب المتوفرة التي تتفوقت على أحدث الأحوال.
يستخدم الترخيص اسم DeVerbal لوصف حدث مرتبط بحفه الأساسي.وجدت عادة في النصوص الأكاديمية والشطورية، يمكن أن يكون من الصعب تفسير الترشيحات بسبب العلاقات الدلالية الغامضة بين الاسم السيفال وحججه.هدفنا هو تفسير الترشيحات عن طريق توليد صياغة البلاكة.نحن نت قوم بتعامل مع التردد المركب مع كل من المعدلات الاسمية والكبصمية، وكذلك عبارات الجر.في التقييمات المتعلقة بعدد من الأساليب غير المدمرة، حصلنا على أقوى أداء باستخدام نموذج لغة سياسي مدرب مسبقا لإعادة صياغة صياغة الصياغة التي تم تحديدها بواسطة نموذج استلامي نصي.
تركز هذه الورقة على إعادة صياغة إعادة صياغة النص، وهي مهمة توليد اللغة الطبيعية المدروسة على نطاق واسع في NLP.مع تطور النماذج العصبية، أظهرت أبحاث توليد إعادة صياغة التحول التدريجي إلى الأساليب العصبية في السنوات الأخيرة.وقد قدم ذلك بهيئات تمثيل سياق ي لنص المدخلات وتوليد صياغة تشبه الإنسان تشبه الإنسان بطلاقة.تقوم هذه الورقة بإجراء مناهج مختلفة لإعادة صياغة إعادة صياغة التركيز الرئيسي على الأساليب العصبية.
اكتسبت النماذج المستندة إلى المحولات شعبية متزايدة تحقق الأداء الحديث في العديد من مجالات البحث بما في ذلك ترجمة الكلام. ومع ذلك، فإن التعقيد التربيعي للمحول فيما يتعلق بديل تسلسل الإدخال يمنع اعتماده كما هو الحال مع إشارات صوتية، والتي تمثل عادة بال تسلسلات الطويلة. اللجوء الحلول الحالية إلى ضغط أساسي أساسي على أساس أخذ العينات الثابتة لميزات الصوت الخام. لذلك، فإن المعلومات اللغوية المفيدة المحتملة غير قابلة للوصول إلى طبقات أعلى مستوى في الهندسة المعمارية. لحل هذه المشكلة، نقترح الكلمة، وهي عبارة عن بنية، بفضل انخفاض استخدام الذاكرة في طبقات الاهتمام، وتجنب ضغط المخلفات الأولية والمعلومات المجامعة فقط على مستوى أعلى وفقا لمعايير لغوية أكثر استنارة. تظهر التجارب على ثلاث أزواج اللغات (en → de / es / nl) فعالية حلنا، مع مكاسب تصل إلى 0.8 بلو على Corpus القياسية يجب أن تكون ميديا ​​وعلى ما يصل إلى 4.0 بلو في سيناريو منخفض الموارد.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا