هم‌ترازی متن‌دوگانه ۲۰۲۲
Bitext Alignment 2022

این کتاب، مروری جامع بر تکنیک‌های گوناگون همتاسازی متون دوزبانه (Bitext) ارائه می‌دهد. مفاهیم و راهبردهای کلی‌ای را تشریح می‌کند که می‌توان برای یافتن بخش‌های متناظر در اسناد موازی، در سطوح مختلف جزئیات، به کار برد. متون دوزبانه، منابع زبانی ارزشمندی برای حوزه‌های پژوهشی و کاربردهای عملی گوناگون هستند. برجسته‌ترین کاربرد آن‌ها، ترجمه ماشینی، به ویژه ترجمه ماشینی آماری است. با این حال، رشته‌های متنوع دیگری نیز وجود دارند که می‌توان آن‌ها را دنبال کرد و از دانش غنی زبانی ذخیره شده در منابع موازی بهره‌مند شد. متون دوزبانه در حوزه‌هایی مانند فرهنگ‌نویسی، رفع ابهام معنای واژگان، استخراج اصطلاحات، آموزش زبان به کمک رایانه و مطالعات ترجمه نیز مورد بررسی قرار گرفته‌اند.

این کتاب، وظایف اساسی مورد نیاز برای ساخت پیکره‌های موازی را، از جمع‌آوری اسناد ترجمه‌شده تا همتاسازی در سطوح زیرجمله‌ای، پوشش می‌دهد. به طور خاص، رویکردهای مختلف همتاسازی سند، همتاسازی جمله، همتاسازی واژه و همتاسازی ساختار درختی را شرح می‌دهد. همچنین، شامل فهرستی از منابع و بررسی جامعی از مقالات و نوشته‌ها در زمینه تکنیک‌های همتاسازی است.

فهرست مطالب: مقدمه / مفاهیم و اصطلاحات پایه / ساخت پیکره‌های موازی / همتاسازی جمله / همتاسازی واژه / همتاسازی عبارت و درخت / سخن پایانی

This book provides an overview of various techniques for the alignment of bitexts. It describes general concepts and strategies that can be applied to map corresponding parts in parallel documents on various levels of granularity. Bitexts are valuable linguistic resources for many different research fields and practical applications. The most predominant application is machine translation, in particular, statistical machine translation. However, there are various other threads that can be followed which may be supported by the rich linguistic knowledge implicitly stored in parallel resources. Bitexts have been explored in lexicography, word sense disambiguation, terminology extraction, computer-aided language learning and translation studies to name just a few. The book covers the essential tasks that have to be carried out when building parallel corpora starting from the collection of translated documents up to sub-sentential alignments. In particular, it describes various approachesto document alignment, sentence alignment, word alignment and tree structure alignment. It also includes a list of resources and a comprehensive review of the literature on alignment techniques. Table of Contents: Introduction / Basic Concepts and Terminology / Building Parallel Corpora / Sentence Alignment / Word Alignment / Phrase and Tree Alignment / Concluding Remarks