Аударманың Өзекті мәселелері алматы, 2015

120
Трансфер арқылы машиналық аударма жүйелерін іске қосатын 
мұндай тәсіл машиналық аударма жүйесі дамуының екінші 
кезеңінде пайда болған СИЛОД жүйесінде де қолданыс тапты. 
Қазіргі кезде SILOD-MULTIS көптілді жүйе дербес компьютерлерде 
аударма жұмысын атқарады. Машиналық аударманың барлық 
процесі лексика-морфологиялық және семантика-синтаксистік 
субпроцестердің композициясы ретінде SILOD-MULTIS жүйесінде 
модельденеді. Лексика-морфологиялық талдау кезінде мәтіндер 
мен сөздік бірліктерін сәйкестендіру жұмысы жүргізіледі және 
сонымен бірге автоматты сөздік топтамасынан сөздікке қатысты 
ақпараттар шығарылып алынады. Мұндай талдаудың нәтижесі 
ретінде мәтіннің кесте түріндегі көрінісін және канондық пішіндегі 
аударма баламалары (переводные эквиваленты) жайлы ақпаратты 
айтуға болады. Бұл кестеде әрбір сөзтұлғаға оның лексика-
семантикалық сипаттамасы сәйкестікке қойылады. Сәйкестіктің 
дәлдігі конверсиялық және/немесе омонимдік септелуге (подежная 
омонимия) дейін, функционалдық, басты (ролевой) және 
семантикалық сипатына дейін анықталады. Мәтінді талдаудың 
барлық деңгейлеріндегі берілісі сияқты, аталған көріністер 
әртүрлі жағдайда қолданылуы мүмкін (машиналық аудармада, 
аннотациялауда, рефераттауда және т.б.). Егер машиналық аударма 
жайлы ғана айтатын болсақ, онда талдаудың бұл сатысында 
алынатын нәтиже – лексика-морфологиялық және фразеологиялық 
тұрғыда жолма-жол (подстрочник) аударылған мәтін.
Семантика-синтаксистік өңдеудің нәтижесінде құрылымды 
тіларалық деңгейде қайта құру жүзеге асады. Ол үшін лексика-
морфологиялық талдау сатысындағы барлық ақпарат іске 
қосылады, одан кейін барып грамматикалық және семантикалық 
топтамалар пайдаланылады. Мұндай трансферде иерархиялық 
бөліктер (компоненттер) мәтін ішінен алынатын тік қисындасқан 
жүйешіктердің жиынтығы ретінде модельденеді. 
Семантика-синтаксистік талдау сөйлем құрылымының 
әртүрлі деңгейлерінде жүйелі түрде жүзеге асады: топтар деңгейі, 
функционалды сегменттердің деңгейі және, ең соңында, сөйлем 
деңгейінде [48; 27]. Топтар деңгейінде топтардың шекаралары мен 
лексикалық бірліктің өзара байланысы белгіленеді. Келесі деңгейде 
бөлініп алынған тізбектер сөйлемнің тұрлаулы мүшелеріне 

121
сәйкес келетін функцоналды сегменттерге біріктіріледі. Бөлініп 
алынған сегменттерде мәтінді кестелік көрініске модификациялау 
деңгейінде қайта құру әрекеті жүзеге асады. Функционалды 
сегменттер деңгейінде алынған нәтиже – шектеулі грамматика 
бойынша жасалған машиналық аударма болып саналады. Толық 
түрдегі семантика-синтаксистік талдау сөйлем деңгейінде ғана 
іске асады.
Талдау мен трансфер процедураларын жүзеге асырғанда 
синтаксистік сипаттау маңызды рөл атқарады, өйткені тек осының 
негізінде ғана сөйлемнің мүмкін болатын фреймі танылады. 
Мұндай таным әрекетінде актанттар жиыны, меңгеру моделінің 
мүмкіндігі жайлы және т.б. ақпараттарды бойында сақтайтын 
етістіктің лексика-синтаксистік сипатталуы негізгі рөл атқарады. 
Осы әдістемеге сәйкес SILOD-MULTIS машиналық аударма 
жүйесі автоматты сөздіктер мен грамматикалардың жинағы ретінде 
жүзеге асады. Жүйенің негізгі пішін үйлесімділігінде үндіеуропа 
және басқа құрылымдық тілдермен әрекет ету мүмкіндіктері алдын 
ала қарастырылған. Мұндай мүмкіндік барлық «кіретін» тілдердің 
сөзтізбелерінің әмбебаптық құрылымына және «шығатын» орыс 
тілінің бірыңғай құрылымына негізделеді. 
Нақты әрекеттегі машиналық аударма жүйелерінің трансферді 
пайдалануы дәл осы стратегияны таңдаудың мақсатқа сай екендігін 
дәлелдей түсті. Сонымен бірге жасанды интеллект жүйесінің 
даму деңгейі мен есептеу техникасының жаңа мүмкіндіктері 
машиналық аударманың үшінші стратегиясына қызығушылықты 
жаңаша түрде жандандыра түсті. 
Аралық-тілді қолдануға қатысты аударма стратегиясы 
машиналық аударма прагматикасына білім базасын құрудағы 
машиналық аударма мен оның идеологиясының әсерін 
бейнелейді. Машиналық аударманың даму сатысының бірінші 
кезеңінде қолданылатын аралық-тіл тәжірибе жүзінде ғана жүзеге 
асқанымен, ол өз уақытынан айтарлықтай озды – оның пайда 
болуы машиналық аударманың жаңа кезеңі деуге болады. Мысалы, 
аралық-тілді қолдана отырып, Карнеги университетінде CMU 
жүйесі, Утрехте зерттелген DLT жүйесі, Японияда – JETR, АҚШ-
та – SAM және TRANSLATOR жүйелері машиналық аударма 
жасауда қолданыс тапты. 

122
Аралық-тілді пайдаланатын машиналық аударма жүйесі мен 
жасанды интеллект жүйесін бір-біріне қисындастыру мәселесі – 
сөйлем мағынасын немесе тұтас мәтіннің мазмұнын тануға және 
оның мазмұнын автоматты түрде сөйлеу тілінде туындату үшін 
күрделі білім базасын қолданудың қажеттігімен түсіндіріледі. 
Жасанды интеллект жүйесінің аралық деңгейі болып саналатын 
ұғынудың (понимание) концептуалды деңгейін модельдеу бірнеше 
базалық құрастырушыларға негізделеді:
– ұғым түйіндері (узлы-понятия) мен байланыс типтері жайлы 
сөз болатын мақала түріндегі сөздіктерді құрастыруды қажет 
ететін білімді тануға көмектесетін тілдер;
– «белгі – мағына» принципі бойынша қайта құруды жүзеге 
асыратын жүйелі грамматикалар. 
Қазіргі кезеңдегі аралық-тілдің негізі ретінде білімді танытатын 
тілдер саналады. Осыған қатысты талдаудың мақсаты «кіретін» 
сөйлем бойынша алынатын және білім базасының ақпаратымен 
толықтырылатын сөйлем мағынасын таныту. Аударманы жүзеге 
асыру әрекетінде «кіретін» тілдің құрылымын «шығатын» тілдің 
құрылымына сәйкестендіріп, қайта құру қажет болады. Әрине 
мұндай аударма нәтижесі шын мағынасындағы аудармадан гөрі, 
берілген мәтіннің мазмұнын не сөйлемнің мағынасын қайталап 
айтып беру жағдайына көбірек ұқсайды.
Осындай жағдаятта білімді танытатын тілді аралық-тілдің өзі 
деуге болады. Мұндағы аралық-тіл «кіретін» фразаның (сөйлемнің) 
семантикалық желісі мен «шығатын» фразаның ішкі берілісінен 
қайта туындауға қатысты семантикалық таңбалауды («разметка») 
жүзеге асырады. Осылайша қайта туындату (генерация) белгілі 
үлгі бойынша (шаблон, фрейм және т.б.) орындалады. Бұл әдістің 
жалпытеориялық тартымдылығына қарамай, ол тек тәжірибелік 
деңгейде ғана жүзеге асты. Себебі оның автоматтандырылған 
лексикондарының негізінде аса күшті семантикалық желі құруға 
қажетті лингвистикалық негіздемесі мен программалық құралдары 
әлі де болса толық қамтылмаған еді. 
Машиналық аударма жүйелерінің кең түрде қолданыс табуы 
оның эксперименттік дәрежесінен автоматтанған дәрежесіне, 
редакциялау ерекшелігіне, мақсатқа сай келуіне қарай аударма-
шының жұмыс орнына айналуына жағдай жасайды [20; 27].

123
Машиналық аударма жүйелерінің қазіргі сатыдағы даму 
ерекшеліктерін қарастыра келіп, оны әр кезеңге бөліп топтап, баға 
беру дұрыс бола бермейді. Себебі машиналық аудармаға қатысты 
ондай топтаулар есептеу машиналарының (компьютерлердің) 
кезеңді өзгерістеріне және мүмкіндіктерінің артуына тікелей 
байланысты. 
Қазіргі кездегі машиналық аударма жүйелерінің зерттелуі 
мен қолданылуы мына жайтты байқатады. Машиналық аударма 
жүйелерін талдау және олардың функционалдық критерийлері 
бойынша салыстыру мынаған саяды: 

жүктеу/скачать 2,17 Mb.

Достарыңызбен бөлісу: