Hybrid Approaches to Machine Translation

این جلد مروری بر حوزه ترجمه ماشینی ترکیبی (MT) ارائه می‌کند و برخی از آخرین تحقیقات انجام شده توسط زبان‌شناسان و متخصصان حوزه‌های چند رشته‌ای مختلف را ارائه می‌کند. امروزه، مهمترین پیشرفت ها در MT با ترکیب تکنیک های داده محور و مبتنی بر قانون به دست می آید. این ترکیب‌ها معمولاً شامل ترکیبی از پارادایم‌های سنتی مختلف، مانند معرفی دانش زبان‌شناختی در رویکردهای آماری MT، ادغام مؤلفه‌های داده‌محور در رویکردهای مبتنی بر قاعده، یا پیش پردازش و پس پردازش آماری و مبتنی بر قانون برای هر دو است. انواع معماری های MT.

این کتاب در درجه اول مورد توجه متخصصان MT است، اما همچنین - در زمینه های گسترده تر زبان شناسی محاسباتی، یادگیری ماشین و داده کاوی - برای مترجمان و مدیران از شرکت‌های ترجمه و بخش‌هایی که به پیشرفت‌های اخیر در مورد ابزارهای ترجمه خودکار علاقه دارند.

This volume provides an overview of the field of Hybrid Machine Translation (MT) and presents some of the latest research conducted by linguists and practitioners from different multidisciplinary areas. Nowadays, most important developments in MT are achieved by combining data-driven and rule-based techniques. These combinations typically involve hybridization of different traditional paradigms, such as the introduction of linguistic knowledge into statistical approaches to MT, the incorporation of data-driven components into rule-based approaches, or statistical and rule-based pre- and post-processing for both types of MT architectures.

The book is of interest primarily to MT specialists, but also – in the wider fields of Computational Linguistics, Machine Learning and Data Mining – to translators and managers of translation companies and departments who are interested in recent developments concerning automated translation tools.