Using Comparable Corpora for Under-Resourced Areas of Machine Translation

این کتاب نمای کلی از اینکه چگونه می‌توان از مجموعه‌های قابل مقایسه برای غلبه بر کمبود منابع موازی در هنگام ساختن سیستم‌های ترجمه ماشینی برای زبان‌ها و دامنه‌های فاقد منابع استفاده کرد، ارائه می‌کند. این انبوهی از روش‌ها و ابزارهای باز را برای ساخت مجموعه‌های قابل مقایسه از وب، ارزیابی قابلیت مقایسه و استخراج داده‌های موازی که می‌تواند برای کار ترجمه ماشینی استفاده شود، ارائه می‌کند. این کتاب به چندین بخش تقسیم می‌شود که هر کدام وظیفه خاصی مانند ساخت، پردازش و استفاده از مجموعه‌های مشابه را پوشش می‌دهد، به ویژه بر روی جفت‌ها و دامنه‌های زبانی که منابع کمتری دارند.

این کتاب برای هر کسی که به داده‌ها علاقه دارد در نظر گرفته شده است. -ترجمه ماشینی برای زبان‌ها و دامنه‌های کم منابع، به‌ویژه برای توسعه‌دهندگان سیستم‌های ترجمه ماشینی، زبان‌شناسان محاسباتی و کارگران زبان. این منبع با ارزشی برای متخصصان و دانشجویان در پردازش زبان طبیعی، ترجمه ماشینی، زبان‌شناسی پیکره و ترجمه به کمک رایانه ارائه می‌کند و استفاده گسترده‌تر از مجموعه‌های مشابه در پردازش زبان طبیعی و زبان‌شناسی محاسباتی را ترویج می‌کند.

This book provides an overview of how comparable corpora can be used to overcome the lack of parallel resources when building machine translation systems for under-resourced languages and domains. It presents a wealth of methods and open tools for building comparable corpora from the Web, evaluating comparability and extracting parallel data that can be used for the machine translation task. It is divided into several sections, each covering a specific task such as building, processing, and using comparable corpora, focusing particularly on under-resourced language pairs and domains.

The book is intended for anyone interested in data-driven machine translation for under-resourced languages and domains, especially for developers of machine translation systems, computational linguists and language workers. It offers a valuable resource for specialists and students in natural language processing, machine translation, corpus linguistics and computer-assisted translation, and promotes the broader use of comparable corpora in natural language processing and computational linguistics.