Преобразование семантической информации в машинном переводе: на материале русско-арабского машинного перевода политических текстов тема диссертации и автореферата по ВАК РФ 10.02.19, кандидат филологических наук Альотаиби Султан Маджед

• Альотаиби Султан Маджед
• кандидат филологических наук
• 2011

Оглавление диссертации кандидат филологических наук Альотаиби Султан Маджед

Введение.

Глава 1. Основные понятия языкового перевода.

1.1. Виды, жанры и типы перевода.

1.2. У истоков переводоведения.

1.3. Теории и модели перевода.

1.3.1. Информационная теория перевода.

1.3.2. Теория закономерных соответствий.

1.3.3. Семантико-семиотическая теория перевода.

1.3.4. Ситуативная (денотативная) теория перевода.

1.3.5. Теория уровней эквивалентности.

1.3.6. Функционально-прагматическая (динамическая) теория перевода

1.3.7. Психолингвистическая теория перевода.

1.3.8. Коммуникативно-функциональная теория перевода.

1.3.9. Герменевтическая теория перевода.

1.3.10. Трансформационная теория перевода.

1.4. Теории перевода и модели перевода.

1.5. Выводы.

Глава 2. Модели машинного перевода.

2.1. Краткая история машинного перевода.

2.2. Теории «смысл^«-»текст» и «текст-текст».

2.3. Теория машинного перевода и модель перевода на основе переводных соответствий.

2.4. Современные системы машинного перевода и результаты их работы

2.5. Выводы.

Глава 3. Анализ русско-арабских переводов политических текстов (газетный интервью).

3.1. Некоторые положения корпусной лингвистики.

3.2. Анализ перевода с русского языка на арабский. Текст политического характера (газетного). Основные семантические трудности перевода и переводческие решения.

3.3. Возможный учет лингвистических факторов, определяющих правильный перевод, в алгоритмическом описании или в словаре для системы машинного перевода.

3.4. Разрешение лексической многозначности с помощью контекста. Понятие и структура котекстологического словаря.

3.5. Выводы.

Введение диссертации (часть автореферата) на тему «Преобразование семантической информации в машинном переводе: на материале русско-арабского машинного перевода политических текстов»

Актуальность исследования

Объем переводов в мире неуклонно возрастает по мере того, как новые языки вступают в сферу мировой коммуникации. Перевод, являясь древнейшей областью применения интеллекта, культурного общения, фундаментом образования человеческого общества планеты Земля, в настоящее время, как и в течение всей истории, совершенствуется, благодаря новым информационным технологиям. Если на заре человеческого общества такими новыми технологиями были письмо и письменность, то в настоящее время перевод осуществляется с помощью новейших средств информатики, компьютерных технологий и современных способов коммуникации.

При всем этом перевод органически включает большое количество проблем, которые отражаются в растущем наборе теорий и моделей перевода. Главная задача перевода - передавать в язык перевода из языка оригинала смыслы и содержание последнего. Однако что такое смысл и содержание? Каждая теория и модель перевода по-своему отвечает на этот вопрос. От принципиальной невозможности перевода (В. Гумбольд) до абсолютной адекватности пословного (буквального) перевода (Ю.В. Рождественский) функционируют самые различные теории и модели перевода, как для естественных, так и для искусственных языков.

Арабская и российская библиотеки, к сожалению, не насчитывают научных трудов, рассматривающих проблемы машинного перевода политических текстов с русского языка на арабский. Исследования в области машинного перевода с русского языка на арабский крайне редки, и даже можно сказать, что они практически не существуют. Такое неудовлетворительное положение потребовало удвоения взятых усилий по анализу проблем систем машинного перевода в данной языковой паре. Данная работа представляет собой первую попытку и стартовый шаг в изучении проблем преобразования семантической информации в машинном переводе политических текстов (газетный интервью) с русского языка на арабский. Кроме того, на нынешнем рынке количества бесплатных современных онлайновых систем машинного перевода с арабского языка на русский и наоборот очень мало. Их даже можно считать по пальцам: google translator, windows live translator (bing) и ImTranslator. Данное скудное положение современных систем машинного перевода в русско-арабской языковой паре на нынешнем рынке требует новых идей и современных исследований. Основные положения данного исследования могут быть полезными для продвижения и усовершенствования существующих систем машинного перевода.

Объектом настоящего исследования являются известные теории и модели перевода, рассматриваемые с точки зрения их возможностей передачи смысловой (содержательной) семантической информации. Модели перевода как процесса требуют использования самых различных сведений как лингвистического, так и экстралингвистического порядка. Практически целью каждой модели является- передача семантического содержания, точнее того, что под этим понимается в каждой модели. Объектом исследования являются также современные системы машинного перевода, результаты их работы, качество и перспективы совершенствования. На материале русско-арабского машинного перевода политических текстов, имеющих характер интервью, изучаются положительные и отрицательные стороны действующих моделей машинного перевода.

В качестве предмета исследования выступают образцы машинного перевода политического текста с русского языка на арабский (газетный интервью) и те ошибки, а также и правильные решения, которые можно видеть на материале таких переводов. Формальный и алгоритмический подход, реализуемый системами машинного перевода, иногда даже выигрывают по сравнению с переводом «человеческим». Здесь следует упомянуть о том, что английский термин human translation в противопоставление к переводу машинному не имеет точного соответствия и поэтому приходится в данной работе пользоваться термином «человеческий» перевод.

Цель работы: сравнить возможности существующих теорий и моделей перевода с точки зрения их допустимой формализации и эффективности в передаче информации. При этом в исследовании проводится разница между понятиями «теория перевода» и «модель перевода». Теория есть некоторое абстрактное, теоретическое, почти философское построение, объясняющее такое сложное лингвистическое явление как перевод. Модель — это реальное воплощение теории в виде некоторого набора алгоритмов преобразования текстов и словарей сопоставляемых языков.

Задачами исследования являются: а) провести детальный анализ полученных образцов машинного перевода русского политического текста (газетный интервью) на арабский язык, проанализировать как положительные результаты, так и ошибочные переводы; б) уточнить причины появления ошибок; в) наметить пути положительного решения затронутой проблемы; г) сформулировать требования к лингвистическому содержанию соответствующей модели перевода.

Метод лингвистического анализа: сопоставительный анализ переводимых текстов и результатов перевода.

Материал исследования: тексты электронных газет, переведенные профессиональными переводчиками с русского языка на арабский из известного арабскоязычного сайта Russian Today. «Человеческие» переводы сравниваются с машинными переводами, которые сделанные с помощью системы Windows Live Translator. В основном анализируются ошибки в переводе на семантическом уровне и сравниваются с правильными переводами, сделанными человеком-переводчиком. Результаты сравнения по возможности систематизируются и обобщаются. В необходимых случаях используются данные известных словарей русского и арабского языков.

Научная новизна исследования заключается в том, что:

1) Впервые проанализированы результаты машинного перевода с русского языка на арабский;

2) Предпринята попытка сравнить возможности современных теорий перевода обеспечить передачу смысла при помощи алгоритмов, базирующихся на формальных признаках текста;

3) Подчеркнуто различие в понятиях «теория перевода» и «модель перевода»;

4) Намечены пути использования контекста для совершенствования результатов работы системы машинного перевода;

Теоретическая значимость работы может быть усмотрена в том, что в широком масштабе сопоставляются теории и модели перевода как общелингвистической задачи с возможностями и современным состоянием систем машинного перевода, базирующимися на чисто формальной основе анализа и синтеза текстов.

Практическая значимость исследования - возможные рекомендации для использования систем машинного перевода в русско-арабской языковой паре для актуального перевода современных текстов политического характера (интервью), в ситуациях, когда «человеческий» перевод требует много времени, а ситуация вызывает необходимость быстрого перевода.

Положения, выносимые на защиту:

1) Современные теории перевода всесторонне описывают процесс и результат перевода, в том числе и особенно теория уровней эквивалентности, который больше подходит для перевода с русского на арабский;

2) Между теорией перевода и моделью перевода есть различие, которое заключается в том, что теория дает теоретическое основание для моделирования перевода, а модель есть конкретное воплощение положений теории, которое может быть положено, в частности, в основу алгоритмов преобразования исходного текста в текст перевода, и в организацию соответствующих словарей;

3) Современные системы машинного перевода дают положительный результат в том случае, если их структура и словари отвечают требованиям лингвистических характеристик переводимых текстов;

4) В рамках машинного перевода существуют эффективные средства добиться качественного перевода и адекватной передачи семантической информации, такие, например, как контекстологические словари для определенных типов текстов.

Апробация работы: основные положения диссертации изложены в опубликованных статьях, а также были доложены на:

1) научной конференции «Ломоносовское чтение» в Московском Государственном Университете им. Ломоносова;

2) Интернет-конференции «Русский язык, культура, литература» (2010);

3) конференции ««РКИ в современной образовательной и геополитической парадигме» (2010);

4) VII международной конференции синхронное и диахронное в сравнительно-историческом языкознании (2011).

Структура исследования:

Диссертация состоит из введения, трех глав, заключения и списка литературы, включающего 127 наименований. Библиография включает список источников, использованных при работе над настоящим диссертационным исследованием, а также материалов из информационной сети Интернет для выполнения практической части исследования.

Заключение диссертации по теме «Теория языка», Альотаиби Султан Маджед

4.5. Выводы

В данной главе мы рассмотрели суть и структуру методики перевода по корпусной лингвистике, выделил ее основные положения, и отметили роль теоремы Байере в установлении вероятности значений, накопленных в корпусе переводов. В общем, системы машинного перевода по корпусной лингвистике не должны основываться исключительно на информации, извлеченной из корпуса. Необходимо, чтобы учитывались и> слова и структуры, найденные вне корпуса, если становится очевидным, что они могут появляться в текстах той же предметной области. Нам представляется необходимым и целесообразным объединить в один механизмов работы статистического метода по корпусной лингвистике и модели перевода по переводным соответствиям. В данной части мы также последовательно рассмотрели перевод с русского языка на арабский четырех достаточно представительных современных газетных текстов, проанализировали преимущественно семантические ошибки машинного перевода, предложили переводческие решения, и наконец, дали выводы относительно основных проблем машинного перевода. В данной части диссертации излагаются также лингвистические факторы, определяющий правильный перевод с русского языка на арабский. Данные факторы были учтены в алгоритмическом описании структуры автоматического словаря.

Кроме того, мы проанализировали структуру контекстологического словаря и порядок пользования словарем, рассмотрели операции по анализу контекста и прочие действия, которые выполняются стандартными

188 операторами, каждый из которых представляет собой стандартную подпрограмму компьютера, и наконец, сфомулировали основные характеристики контекстологического словаря. Вообще говоря, только такой словарь способен разрешить важнейшую для автоматической обработки текстов проблему многозначности лексических единиц, которая лежит в основе возможности передачи смысла текстов.

Заключения

Исследование и практическая работа по анализу полученных образцов машинного перевода русского политического текста (газетное интервью) на арабский язык показали, что положения, вынесенные на защиту, подтверждены, задачи выполнены, цели достигнуты. Машинный перевод в настоящее время является объективной и актуальной реальностью новых информационных технологий. Машинный перевод с русского языка на арабский является достаточно сложной проблемой, вместе с тем объем переводимых текстов возрастает. Поэтому тема данной диссертации является безусловно актуальной.

Рассмотрев основные модели «человеческого» перевода, нам представляется что, теория уровней эквивалентности больше подходит для перевода с русского языка на арабский, ибо она сохраняет цель коммуникации на всех уровнях и учитывает как лингвистические, так и экстралингвистические факторы. Следует сразу отметить, что понятия «модель перевода» и «теория перевода» в данной работе рассматриваются как разные термины. Теория перевода служит основанием для модели перевода, которая более конкретна и содержит не только описание подхода к переводу, но и определенные характеристики алгоритма перевода.

Среди всех имеющихся в настоящее время систем машинного перевода нам представляется, что именно системы трансферного типа, основанные на модели перевода по переводным соответствиям, разработанной Марчуком Ю.Н., больше подходит для перевода с русского языка на арабский, так как база данных такого типа систем содержит большое количество разнообразных переводных соответствий, всю необходимую лингвистическую информацию как для выходного, так и для входного языков. Кроме того, данные системы имеют эффективные средства, такие, например, как контекстологический словарь для разрешения многозначности.

Проведенный нами последовательный анализ машинного перевода четырех достаточно представительных русских современных газетных текстов на арабский язык показывает разные проблемы, с которыми часто система сталкивается, такими, например, как многоэквивалентность; многозначность; выбор значения, не существующего в рамках исходной единицы; игнорирование некоторых семантических признаков отдельных слов; опущение некоторых исходных единиц; игнорирование грамматических признаков слова при определении переводного соответствия; проблема антонимического перевода; неполная расшифровка аббревиатуры; перевод омонимичной аббревиатуры; перевод устойчивых словосочетаний. Появление подобных проблем связано с тем, что система все еще неудовлетворительно анализирует синтаксический и семантический контексты, не всегда эффективно взаимодействует морфологический, синтаксический и семантический анализаторы с тем, чтобы системе представилась необходимая для разрешения многозначности информация о грамматических признаках исходной единицы и всех грамматических отношениях между составляющими предложения. Необходимо также увеличить объем архива, где хранятся уже переведенные соответствия и контексты, которые служат эталонами для порождения реальных предложений, как на выходном, так и на входном языках.

Данные проблемы являются для машинного перевода весьма сложными и серьезными. Кроме окружающих слов и их грамматических отношений между собой, словоформ, грамматических признаков слова, синтаксического и/или семантического контекста, также решающими факторами для решения подобных проблем являются следующие:

1) Выбор эффективной модели машинного перевода.

2) Тип языковой пары.

3) Структура и работа котекстологического словаря, в котором учтена сочетаемость слов в текстах и дает их правильный перевод.

В целях повышения качества перевода и улучшения механизма преобразования семантической информации в машинном переводе предлагаются следующие рекомендации при разработке контекстологичеких словарей:

1. Набор словарных лексических единиц по контекстам: на основе собрания словарного материала лежит анализ текстов со всех сторон: тематической, стилистической и др. Данная процедура представляет возможность разграничения значения слова по контекстуальному употреблению и стилистической окраске. Больше употребляющееся значение в контекстах, фиксируется как основное, а редко употребляемое - как второстепенное или исключительное

168

2. Четко и иерархично разграничить и классифицировать семантические поля слов с главного общего «верхнего» класса до самого узкого подкласса.

3. Определить точку пересечения значений разных слов в пределах одного семантического поля и зафиксировать объем занимаемого им места в данном поле.

4. Определить семантическое поле каждой группы синонимичных слов (например, группа глаголов умереть, скончаться, задушиться, погибать и т.д. можно объединить в одно семантическое поле «смерть»). Затем определить семантические признаки каждого слова данной группы, например, убить обозначает «смерть» в искусственном

299-285 .60 £ - .^1987 — \\ ^ ^ и£ ^-^иЛ ,(1?£Л*л11168

192 виде с возможностью употребления «орудия»; умереть обозначает «смерть» в нормальном виде 1б9.

5. Создать специальную таблицу для исходных однозначных единиц, имеющих в ПЯ несколько эквивалентов, выбор которых зависит от контекста.

6. Снабдить систему определенным количеством контекстов для каждой многозначной или многоэквивалентной языковой единицы с определением грамматических отношений между другими составляющими предложения. Данный набор контекстов служит эталоном для подбора более вероятного значения.

7. Снабдить систему популярными аббревиатурами и связать их с соответствующими переводными соответствиями.

8. За фоном каждого предложения стоит определенная семантическая микро-сеть, которая в свою очередь входит в состав семантической сети абзаца, затем целого текста. Данные семантические микро-сети необходимы для сравнения с другими семантическими микро-сетями, которые могут встретиться в новых контекстах. Так, следующих два русских предложения на определенном уровне отличаются между собою, соответственно, имеют разные арабские эквиваленты: 1) Иван читает книгу; 2) Иван читает Пушкина. Как показывает следующая схема семантической микро-сети, во первом предложении источник информации представляется неодушевленным (книга), в то время как во втором предложении является одушевленным (Пушкин):

169 Салъва С. X., Омар М. Автоматическая семантическая обработка арабских текстов: создание базы словарных данных для установления семантических отношений между словами // Арабский журнал 3000 -2006.-Т. 6. -№3. Стр. 11-34.

Когда в тексте встречается одна из этих семантических микро-сетей система автоматически предлагает соответствующий арабский эквивалент, например, для первого предложения подбирается арабский эквивалент ¿Ш 1^1)» (букв, перевод: Читает Иван книгу), а для второго - иЦг) (букв, перевод: Читает Иван Пушкину).

Современные системы машинного перевода не учитывают данный фактор, соответственно, попадают в семантические ошибки.

9. Создать в базе данных таблицу, специально предназначенную для организации микроконтекстуальных отношений некоторых многозначных или омонимичных слов с другими окружающими словами, и определить при какой синтаксической связи наблюдается данный тип отношений. Например, слово «коса» занимает место в разных семантических полях (орудие, прическа), и для выбора верного значения данного слова часто требуется знание о его синтаксической позиции в микроконтексте и употребляемом с ним глаголе.

В заключении можно сказать, что результаты данного исследования могут быть полезными не только для машинного перевода, но и для сравнительного языкознания.

Список литературы диссертационного исследования кандидат филологических наук Альотаиби Султан Маджед, 2011 год

1. Алексеева И. С. Введение в переводоведение. М., 2010.

2. Алимов В. В. Теория перевода. Перевод в сфере профессиональной коммуникации. М., 2006.

3. Бакулов А.Д., Леотьева H.H., Шаляпина З.М. Отечественные системы машинного перевода. В. кн.: ИИ-90: Искусственный интеллект/ Справочник/ Книга 1. Системы общения и экспертные системы. М.: Радио и связь. - 1990. Стр. 248-261.

4. Баранов А.Н. Введение в прикладную лингвистику. М., 2003.

5. Бархударов Л.С. Язык и перевод. М., 1975.

6. Бахарлуи Роя. Разрешение лексической многозначности в системе компьютерного обучения иностранным языкам (англо-персидская лексика): Дис. канд. филол. наук. М., 2006.

7. Боброва В.Я. Системы машинного перевода. Итоги науки и техники. Сер. Информатика. М.,: ВИНИТИ. 1990. -Т.14. Стр. 149-178.

8. Богатырева И. И. Что такое картина мира // Русский язык и литература для школьников. М., №8-2009.

9. Большой толковый словарь русского языка С.А. Кузнецова, Санкт-Петербург, 2002.

10. Ю.Бреус Е.В. Основы теории и практики перевода с английского языка на русский. М., 2001.

11. П.Виноградов В.В. Об омонимии и смежных явлениях // Вопросы языкознания. М., 1960.

12. Виноградов B.C. Лексические вопросы перевода художественной прозы. М., 1978.

13. И.Виноградов B.C. Перевода. Романские языки: общие и лексические вопросы. М., 2009.

14. М.Виноградов. В. С. Введение в переводоведение: общие и лексические вопросы. М., 2001.

15. Галактионов В. А., Мусатов А. М., Мансурова О. Ю., Ёлкин С. В., Клыинский Э. С., Максимов В. Ю., Аминева С. Н., Мусаева Т. Н. Система машинного перевода «Кросслятор 2.0» и анализ ее функциональности для задачи трансляции знаний, М., 2007.

16. Жолковский А.К., Мельчук И.А. О семантическом синтезе. Проблемы кибернетики. Вып. 19. М., 1967.17.3вегинцев В. А. предложение и его отношение к языку и речи, М., 1976.

17. Капанадзе О.Г. современные зарубежные системы машинного перевода. М., 1989.

18. Кво Ч.К. Технологии перевода. М., 2008.

19. Королев Э.И. промышленные системы машинного перевода. М., 1991.

20. Комиссаров В.Н. Теория перевода (лингвистические аспекты). М., 1990.

21. Комисаров В. Н. Слово о переводе (Очерк лингвистического учения о переводе). М., 1973.

22. Комиссаров В.Н. Современное переводоведение: Курс лекций. М., 1999.

23. Крюков А.Н. Теория перевода. М., 1979.

24. Кулагина О.С. О семантическом анализе на основе предпочтений. Препринт Института прикладной математики АН СССР. М., №3/90.196

25. Марчук Ю.Н. модели перевода. М., 2010.

26. Марчук Ю. Н. Компьютерная лингвистика. М., Восток-Запад, 2007.

27. Марчук Ю.Н. Основы компьютерной лингвистики. М., 1999.

28. Марчук Ю.Н. Модель «текст-текст» и переводные соответствия в теории машинного перевода // Проблемы компьютерной лингвистики. -Минск, 1997.

29. Марчук Ю. Н. Методы моделирования перевода. М., Наука, 1985.

30. Марчук Ю. Н. Проблемы машинного перевода. М., 1983.

31. Марчук Ю.Н. Контекстологический словарь для машинного перевода многозначных слов с английского языка на русский. М., 1976, ч. 1,2.

32. Марчук Ю. Н. Опыт машинной реализации дистрибутивной методики определения лексических значений // Статистика речи и автоматический анализ текста. Л., 1973.

33. Мельчук И.А. Русский язык в модели «смысл*-*текст». М., 1995.

34. Мельчук И.А. Опыт теории лингвистических моделей «смысл<-»текст». М., 1974.

35. Мельчук И. А. Об одной лингвистической модели типа «смысл^-текст»: (Уровни представления языковых высказываний) // Серия литературы и языка, том 33, № 5, 1974.

36. Миньяр-Белоручев Р.К. Теория и методы перевода. М., 1996.

37. Мирам Г.Э. Профессия: переводчик. М., 2004.

38. Мкртчян Л. Родное и близкое. Статьи. М., 1978.

39. Нелюбин Л. Л. введение в технику перевода. М., 2009.

40. Нелюбин JI. Л., Хухуни Г.Т. Наука о переводе. История и теория с дреиейших времен до наших дней. М., 2008.

41. Новиков А. И. доминантность и транспозиция в процессе осмысления текста. М., 2002.

42. Панин Ю.В. «Универсальное смысловое кодирование многозначного текста и его перевод с использованием системы согласованных словарей» (1,11), http://www.elektron2000.com 2007.

43. Ревзин И. И., Розенцвейг В. Ю. Основы общего и машинного перевода. М., 1964.

44. Реформатский A.A. Лингвистические вопросы перевода // Иностр. языки в шк. 1952. № 6.

45. Рецккер Я.И. Теория перевода и переводческая практика. М., 1974.

46. Рецкер Я.И. О закономерных соответствиях при переводе на родной язык // Вопросы теории и методики учебного перевода: Сб. СТ. / Под ред. КА. Ган-шиной и И.В. Карпова. М., 1950.

47. Сальва С. X., Омар М. Автоматическая семантическая обработка арабских текстов: создание базы словарных данных для установления семантических отношений между словами // Арабский журнал 3000 — 2006.-Т. 6.-№3.

48. Сдобников В.В., Петрова О.В. Теория перевода. М., 2008.

49. Семенец О. Е., Панасьев А. Н. История перевода. Киев, 1989.5¡.Семенов А.Л. Современные информационные технологии и перевод. М., 2008.

50. Семенов А. Л. Контекстологический словарь основных терминов маркетинга. М., ВЦП, 1994.

51. Толковый словарь арабского языка «Альмухит». Альфайрузи А., 1997.

52. Толковый словарь русского языка Д.В. Дмитриева, М., 2003.

53. Толковый словарь русского языка С.И. Ожегова, Н.Ю. Шведовы, М., 1998.

54. Тюленей С. В .Теория перевода. М., 2004.

55. Федоров А.В. Основы общей теории перевода. М., 1983. С. 10.

56. Фомина М.И. Современный русский язык. Лексикология. М., 2003.

57. Хроменков П.Н. Современные системы машинного перевода. М., 2005.

58. Швейцер А. Теория перевода: статус, проблемы, аспекты. М., 2009.

59. Швейцер А.Д. Теория перевода: Статус, проблемы, аспекты. М., 1988.

60. Швейцер А. Д. перевод и лингвистика. М., 1973.

61. Ananiadou S. A. Brief Suvery of some Current Operational System // Machine Translation Today: The State of the Art / M. King (ed.). -Edinburgh: Edinburgh University Press, 1987. P. 171-191.

62. Arabic Translation and Intercultural Dialogue Association -http://www.atida.org/makal.php?id=194.

63. Arnold D. и др. Machine Translation:An Introductory Guid. Oxford:NCC Blackwell. 1994.

64. Batori I., Weber H.J. Neue Anasatze in Maschineller Sprachübersetzung: Wissensprasentation und Textbezug, Niemeyer, Tübingen, 1986.

65. Bel N., Dorr В., Hovy E., Knight K., Lida H., Boitet C., Maegaard В., Wilks Y. Chapter 4: Machine Translation' // Multilingual Information Management: Current Levels and Future Abilities. 2001.

66. Bolshakov I.A., Gelbukh A.F. The Meaning^Text Model: Thirty Years After// J. International Forum on Information and Documentation, FID 519, ISSN 0304-9701, N 1,2000.

67. Brown P. F., Delia Pietra S. A., Pietra V. J., Mercer R. L., The Mathematics of Statistical Machine Translation: Parameter Estimation // Computational Linguistics. 1993. - 19(2). - P. 263 - 311.

68. Carl M., Way A. Introduction // Recent Advances in Example-based Machine Translation: Text, Speech and Language Technology / M. Carl, A. Way (eds). Vol. 21. - Dordrecht: Kluwer Academic, 2003. - P. XVII-XXXI.

69. Carl M. A Model of Competence for Corpus-based Machine Translation // in Proceedings of COLING 2000: Vol. 2. Germany, 2000.

70. Freigang K-N. Teaching Theory and Tools // Language International. — 2001.- 13(4).-P. 20-23.

71. Goodman K., Nirenburg S. The KBMT Project: A Case Study in Knowledge-Based Mathine Translation. San Mateo, CA, Morgan Kaufmann, 1991.

72. Goshawka W., Kelly I. D., Wigg J. D. Computer Translation of Natural Language. England: John Wiley & Sons, 1987.

73. Hutchins W. J. Machine Translation: A Brief History// in Concise History of the Language Sciences: From the Sumerians to the Cognitivists/ E. F. K. Koerner, R. E. Asher (eds). Oxford: Pergamon Press, 1995. - P. 431-445.

74. Hutchins, W John. An introduction to machine translation. London. 1992.

75. Hutchins W.J. Recent Development in Machine Translation. A Review of the Last Five Years. New Direction in Machine Translation/ Conference Proceedings. Budapes. 1988, pp. 7-62.

76. Hutchins W.J. Machine Translation: Past, Present, Future. New York, 1986.

77. Hutchins W.J. Linguistic Models in Machine Translation//UAE Papers in Linguistic. 1979. 9. P. 29-52.

78. Kit C., Pan H., Webster J. J. Example-based Machine Translation: A New Paradigm // Translation and Information Technology / S.W. Chan (ed.) -Hong Kong: Chinese University of Hong Kong, 2002. P. 57-78.

79. LawsonV. A Translator's Map of Machine Translation// ЭВМ и перевод. -M.: ВЦП.-1991.

80. Lederer M. Interpréter pour traduire. Paris, 1997.

81. Lehrberger J., Bourbean L. Machine Translation: Linguistic Characteristics of MT Systems and General Methodology of Evaluation. Amsterdam. 1988.84."Lingua", v. 18, № 2 (1967), pp. 201-202.

82. Levin В., Pinker S. Lexical and conceptual Semantics. Cognition Special Issues. Cambridge, MA, Blackwell, 1992.

83. Levitt J.R. KANT Mapper Specification. Carnegie Mellon University, Center for Machine Translation, 1993.

84. Lewis D. Computers and Translation // Computer and Written Texts / C. S. Butler (ed.). Oxford: Blackwell, 1992. - P. 75-113.

85. Maxwell D., Schubert K., Witkan T. New Direction in Machine Translation. Number 4 in Distributed Language Translation. Dordrecht, The Netherlands, Foris, 1988.

86. Meli S. Informationsmarkt der Maschinellen Übersetzung: Linguistischer Hintergrund, Typologie, System, Übersetzungshilfen, Projekte und Übersetzungsdienste // Terminologie et Tradction. 1989. -N3., pp. 63107.

87. MT Summit-87: Machine Translation Summit. Hakone - 1989.

88. Piggot I.M. Systems operationnels en traduction automatique// Terminologie et Traduction. 1989. -N3., - pp. 47-53.

89. Pugh J. The Story so Far: An Evaluation of Machine Translation in the World Today//Computers in Translation: A Practical Appraisal/ J. Newton(ed.).-London: Routledge, 1992.-P. 14-31.

90. Rosetta (pseud.) M.T. Compositional Translation. Dordrecht: Kluwer Academic, 1994.

91. Schmitz B. Pragmatikbasiertes Maschinelles Dolmetschen. Heidelberg: Groos, 1998.

92. Sinaiko H.W., Klare G,R. Further experiments in language translation: readability of computer translation. ITL (Review of Institute of Applied Linguistics, Louvain) 15, 1972, pp. 1-29.

93. Snell-Hornby M. Translation und Text. Wien, 1996.

94. Somers H. L. An Overview of EBMT // Recent Advances in Example-based Machine Translation: Text, Speech and Language Technology: Vol. 21/M. Carl, A. Way (eds). Dordrech. 2003. P. 1-57.

95. Somers H. L. The Translator's Workstation // Computers and Translation: A Translator's Guide / H. L. Somers (ed.) Amsterdam. 2003. -P. 13-30.

96. Somers H. L. Introduction // Computers and Translation: A Translator's Guide / H. L. Somers (ed.). Amsterdam: John Benjamins, 2003. - P. 1-11.

97. Somers H. L. Machine Translation: History//Routledge Encyclopedia of Translation Studies/M. Baker (ed). London: Routledge, 1998. P. 140-143.

98. Somers H. L. A Practical Approach Using Machine Translation Software: "Post-editing" the Source Text // The Translator. 1997. - 3(2). - P. 193-212.

99. Sumita E., Imamura K. EBMT Tutorial // Proceedings of TMI2002.- Japan, 2002.-P. 1-50.

100. Toma P. SYSTRAN as a Multilingual MT System // OLB. 1977. - Vol. 1,-pp. 569-581.

101. Tong L. C. Translation: Machine-aided', in The Encyclopedia of Language and Linguistics, Vol. 9/R. E. Asher, J. M. Y. Simpson (eds). Oxford: Pergamon Press, 1994. - P. 4730 - 4737.

102. Trujillo A. translation egines: Techniques for Machine Translation, Springer, 1999.

103. Tucker A.B., Nirenburg S. Machine Translation: a contemporary view. Annual Review of Information Science and Technology 19, 1984, pp. 129-160.

104. Vasconcellos M. Languages and Application Domains // Advanced Software Application in Japan / E. Feigenbaum, M. Harrison, E. Rich, G. Wierhold (eds). -New York: William Andrew Publishing, 1995. P. 371-376.

105. Vasconcellous M. Machine translation at the Pan American Health Organisation. British Computer Society, Natural Language Translation Specialist Group Newsletter 14, 1984, pp. 17-34.

106. Viegas E., Mahesh K., Nirenburg S. Semantics in Action. In P. Saint-Dizier (ed.), Forms in Natural Language and in Lexical Knowledge Based, Kluwer Academic Press, 1999.

107. Whitelock P., Kilby K. Linguistic and Computational Techniques in Machine Translation System Design, 2nd edn. — London: Ubiversuty College London Press, 1995.

108. Wikipedia http://en.wikipedia.org/wiki/

109. Wilks Y. An intelligent analyzer and understander of English. Communications of the ACM 18(5), 1975, pp. 264-274.