1) Що таке постредагування машинного перекладу?

По́стредагува́ння (або по́ст-редагува́ння) — це процес правки «сирого»

машинного перекладу, підвищення якості такого перекладу редактором, який зазвичай
має спеціальну підготовку та досвід роботи з машинними текстами, з мінімальним
втручанням.
2) Які види постредагування машинного перекладу існують?
Існують такі види як Інформативне та Літературне постредагування.
Інформативне постредагування має на меті зробити вихідний текст простим і
зрозумілим; Літературне постредагування — ще й вдосконалити стилістичну
відповідність текстові оригіналу. З перевагами та можливостями машинного перекладу
літературне постредагування стало альтернативою традиційному перекладу. Є кілька
програмних засобів, які підтримують функцію постредагування вихідного машинного
перекладу. Зокрема, це Google Translator Toolkit, SDL Trados та Systran.
3) Від чого залежить доцільність застосування певного виду постредагування?
Інформативне постредагування полягає у мінімальному втручанні в текст
постредактора. Результатом такого постредагування має бути текст опрацьований так,
щоб реципієнт зрозумів зміст, суть тексту. Призначені такі матеріали для внутрішнього
користування, коли текст потрібен терміново.
Літературне постредагування має найвищий рівень втручання постредактора в
текст задля досягнення відповідного рівня якості. У результаті текст має бути не тільки
зрозумілим для реципієнта, але й стилістично опрацьованим. Призначені такі тексти як
для внутрішнього користування, так і для зовнішнього: зокрема для асиміляції та
поширення.
4) У яких ситуаціях слід застосовувати той чи інший вид?
У результаті літературного постредагування машинного перекладу рівень якості
друготвору не має відрізняється від традиційно перекладеного тексту. Проте,
перекладач і під час роботи з текстом оригіналу витрачають менше зусиль, ніж
постредактор під час опрацювання перекладеної машиною версії. Але, враховуючи
досягнення в галузі машинного перекладу, все може змінитися. Враховуючи
можливості сучасних комп'ютерів, мовні пари а також завдання, яке стоїть перед
фахівцем, дехто вже запрошує перекладачів для постредагування, а не для редагування
з нуля, сподіваючись, що досягнуть аналогічної якості за нижчу вартість. Для деяких
мовних пар і залежно від завдань та цілей перекладеного тексту, особливо якщо
джерело було попередньо відредаговано, «сирого» машинного варіанту перекладу
може бути достатньо і без попереднього втручання людиною.
5) Чи завжди необхідне ідеальне постредагування машинного перекладу? Відповідть
обгрунтуйте.
ТО В ЧЕМ Я НЕ УВЕРЕН (ВОЗМОЖНО ЭТО ПРАВИЛЬНО)
1) Що таке постредагування машинного перекладу?
По́стредагува́ння (або по́ст-редагува́ння) — це процес правки «сирого»
машинного перекладу, підвищення якості такого перекладу редактором, який зазвичай
має спеціальну підготовку та досвід роботи з машинними текстами, з мінімальним
втручанням.
2) Які види постредагування машинного перекладу існують?
1) Системи машинного перекладу, основані на правилах (Rule-Based Machine
Translation – RBTM)
2) Системи машинного перекладу, засновані на статистиці (Statistical Machine
Translation – SMT)
3) Гібридні системи машинного перекладу
3) Від чого залежить доцільність застосування певного виду постредагування?

4) У яких ситуаціях слід застосовувати той чи інший вид?

У результаті літературного постредагування машинного перекладу рівень якості
друготвору не має відрізняється від традиційно перекладеного тексту. Проте,
перекладач і під час роботи з текстом оригіналу витрачають менше зусиль, ніж
постредактор під час опрацювання перекладеної машиною версії. Але, враховуючи
досягнення в галузі машинного перекладу, все може змінитися. Враховуючи
можливості сучасних комп'ютерів, мовні пари а також завдання, яке стоїть перед
фахівцем, дехто вже запрошує перекладачів для постредагування, а не для редагування
з нуля, сподіваючись, що досягнуть аналогічної якості за нижчу вартість. Для деяких
мовних пар і залежно від завдань та цілей перекладеного тексту, особливо якщо
джерело було попередньо відредаговано, «сирого» машинного варіанту перекладу
може бути достатньо і без попереднього втручання людиною.
5) Чи завжди необхідне ідеальне постредагування машинного перекладу? Відповідть
обгрунтуйте.
*** инфа к размышлению
1.3. Види систем машинного перекладу

На сьогоднішній день вивчення видів систем машинного перекладу набуває

особливого значення, про що свідчить поява праць, присвячених саме цьому аспектові
проблеми [18; 20; 24; 43].
Отже, розгляньмо основні види систем машинного перекладу.
Виділяють наступні основні підходи до побудови алгоритмів машинного перекладу
[12; 39]:
1) заснований на правилах (rule-based);
2) заснований на прикладах (example-based);
3) заснований на статистиці (statistical-based).
Кожен з перелічених підходів має свої переваги та недоліки, а тому останнім часом
особливої популярності набуває гібридний (hybrid) підхід в межах якого розробники
систем машинного перекладу намагаються максимально об’єднати переваги усіх
перелічених підходів.
Тим не менш, коротко розгляньмо кожен із зазначених видів систем машинного
перекладу за джерелом [51].

Рис. 1.7. Класифікація систем машинного перекладу

Системи машинного перекладу, основані на правилах (Rule-Based Machine Translation –

RBTM), використовують великі збірки правил, що розробляються експертами-людьми,
які фіксують структури з вихідної мови цільовою мовою. Людський фактор у системах,
що основані на правилах, допомагає забезпечити досить гарні машинні переклади з
передбачуваними результатами. Проте через значну ручну роботу система, основана на
правилах, може бути досить дорогою, а її впровадження та оновлення вимагає значних
часових витрат. Оскільки правила постійно додаються та оновлюються, ці системи
можуть з часом видавати багато неоднозначностей та гіршу якість перекладу.
Системи машинного перекладу, засновані на статистиці (Statistical Machine Translation
– SMT) використовують комп’ютерні алгоритми для створення перекладу, який є
статистично якіснішим за мільйони перестановок. Статистичні моделі складаються з
слів і фраз, які автоматично вивчаються та запозичуються з двомовних паралельних
речень, створюючи двомовну «базу даних» перекладів. Привабливість статистичних
систем обумовлюється їхнім рівнем автоматизації при побудові нових систем з
використанням можливостей машинного навчання, що призводить до швидшої дії та
низької вартості обчислювальної потужності, необхідної для побудови та експлуатації
таких моделей, заснованих на статистичному алгоритмі. Однак головним недоліком
систем цього типу є «ефект розбавлення даних», викликаний дефіцитом даних, що
підходять для їх «навчання».
Гібридні системи машинного перекладу об’єднують одразу декілька алгоритмів дії.
Дуже часто робники доповнюють свою ключову технологію машинного перекладу
статистиними алгоритмами з метою вирішення проблем, пов’язаних із забезпечення
належної якості та подоланням часових обмежень, отримуючи на виході так звану
гібридну систему машинного перекладу (Hybrid Machine Translation – HMT). Гібридys
cbcntvb забезпечують певні переваги для поліпшення якості, однак, вони суттєво
підвищують витрати на системи, що базуються на правилах, шляхом появи додаткових
складнощів керування такими системами.
Останнім часом з’являється все більше нових підходів до розробки систем машинного
перекладу. Вони спрямовані передусім на розширення можливостей статистичного
машинного перекладу (і подолання його обмежень). Впроваджуючи перед-обробку
складних даних, технології оптимізації мови та рішення з управління термінологією, ці
нові рішення статистичних систем машинного перекладу допомагають досягти тих
самих якісних покращень, які забезпечуються створення гібридних систем машинного
перекладу, при цьому зникає необхідність використання застарілих технологій, а
натомість з’являються нові мультилінгвістичні комунікаційні рішення.