Сопоставительное исследование современного цифрового инструментария автоматизированного перевода (на материале подъязыка «Логистика») тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Кузьмин Олег Игоревич

  • Кузьмин Олег Игоревич
  • кандидат науккандидат наук
  • 2024, ФГБОУ ВО «Московский государственный лингвистический университет»
  • Специальность ВАК РФ00.00.00
  • Количество страниц 133
Кузьмин Олег Игоревич. Сопоставительное исследование современного цифрового инструментария автоматизированного перевода (на материале подъязыка «Логистика»): дис. кандидат наук: 00.00.00 - Другие cпециальности. ФГБОУ ВО «Московский государственный лингвистический университет». 2024. 133 с.

Оглавление диссертации кандидат наук Кузьмин Олег Игоревич

ВВЕДЕНИЕ

ГЛАВА 1. ИСТОРИЯ, ТЕКУЩЕЕ СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ АВТОМАТИЧЕСКОГО ПЕРЕВОДА

1.1. Понятийно-терминологический аппарат диссертационного исследования

1.2. Классификация систем МП. Устройство, ключевые характеристики и алгоритм функционирования

1.3. Недостатки современных систем МП. Краткая типология распространенных ошибок

1.4. Автоматизированный перевод (АП). Область применения и основные функции

Выводы:

ГЛАВА 2. ПРОЕКТИРОВАНИЕ ПО И РЕАЛИЗАЦИЯ СПЕЦИАЛИЗИРОВАННЫХ ИНСТРУМЕНТАРИЕВ АВТОМАТИЗИРОВАННОГО ПЕРЕВОДА НА ПРИМЕРЕ ПОДЪЯЗЫКА «ЛОГИСТИКА»

2.1. Анализ качества современных онлайн сервисов МП терминологических единиц подъязыка «Логистика»

2.2. Лингвистические особенности подъязыка «Логистика». Поиск переводных эквивалентов и формирование мультиязычной базы данных вариантов перевода

2.3. Особенности перевода подъязыков. Инструменты АП: память переводов и параллельные корпусы текстов

2.4. Предлагаемый логистический переводчик («Logistics Translator») -универсальный инструмент АП. Первые тесты и результаты

Выводы:

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ И ИНТЕРНЕТ-РЕСУРСОВ

ПРИЛОЖЕНИЕ 1. МУЛЬТИЯЗЫЧНАЯ БАЗА ДАННЫХ ЛИНГВИСТИЧЕСКИХ ЕДИНИЦ ПОДЪЯЗЫКА «ЛОГИСТИКА»

ПРИЛОЖЕНИЕ 2. ПРОГРАММНЫЙ КОД ЦИФРОВОГО ГЛОССАРИЯ

ВВЕДЕНИЕ

Диссертационное исследование по теме «Сопоставительное исследование современного цифрового инструментария автоматизированного перевода (на материале подъязыка «Логистика»)» посвящено выявлению недостатков современных систем машинного перевода, сравнительному анализу инструментальных средств автоматизированного перевода, а также разработке специализированного программного решения для реализации высококачественного цифрового перевода в рамках подъязыка «Логистика».

Обзор теоретического материала по проблематике машинного и автоматизированного перевода включает работы таких отечественных ученых, как Н. Д. Андреев, Ю. Д. Апресян, А. Н. Баранов, Л. С. Бархударов, И. К. Бельская, Л. Н. Беляева, A. В. Бондарко, В. С. Виноградов, Б. Ю. Городецкий, А. К. Жолковский, В. В. Иванов, А. Е. Кибрик, В. Н. Комиссаров, Э. И. Королев, П. С. Кузнецов, О. С. Кулагина, Н.Н. Леонтьева, А. А. Ляпунов, О. И. Максименко, Ю. Н. Марчук, И. А. Мельчук, Л. Л. Нелюбин, Д. Ю. Панов, Р. Г. Пиотровский, Р. К. Потапова, С.Б. Потёмкин, П. П. Смирнов-Троянский, И. И. Ревзин, А. А. Реформатский, Я. И. Рецкер, В. Ю. Розенцвейг, Н. К. Рябцева, А. Л. Семёнов, И. В. Смольников, И. И. Убин, А. М. Фёдоров, З. М. Шаляпина, А. Д. Швейцер, В. А. Успенский и другие.

Данной проблеме уделяли свое внимание также такие зарубежные исследователи, как Жорж Арцруни, Йегошуа Бар-Хиллел, Эндрю Дональд Бут, Йорик Вилкс, Норберт Винер, Леон Достер, Мартин Кей, Филлип Кён, Томас Миколов, Макото Нагао, Херманн Ней, Сергей Ниренбург, Франц Йозеф Оч, Дж. Слокум, Гарольд Сомерс, Питер Тома, Алан Тьюринг, Уоррен Уивер, Уильям Джон Хатчинс, Ноам Хомский и другие.

Актуальность диссертационного исследования обусловлена отсутствием фундаментального описания и классификации существующих ошибок машинного перевода, а также специализированного программного

решения, позволяющего осуществлять перевод мультиязычных параллельных корпусов текстов в рамках конкретного подъязыка.

В ходе практической работы были выявлены определенные недостатки машинного перевода, влияющие на качество конечного текста, предложены некоторые способы их устранения, проведен сравнительно-сопоставительный анализ инструментальных средств автоматизированного перевода, а также предложен цифровой прототип программного продукта, предназначенного для выполнения профессионального перевода мультиязычных текстовых сегментов подъязыка «Логистика».

Научная новизна исследования обусловлена тем, что:

1. В рамках исследования впервые разработана классификация ошибок машинного перевода в рамках подъязыка «Логистика», а также предложены различные способы их устранения.

2. В исследовании впервые создается мультиязычная цифровая база данных подъязыка «Логистика», использование которой позволит минимизировать потребность постредактирования автоматически переведенных текстовых сегментов.

3. Впервые разработаны и описаны специализированные инструментарии, позволяющие редактировать тексты машинного перевода в рамках определенного подъязыка.

4. Впервые предложен профессиональный цифровой веб-продукт с собственным интерфейсом, позволяющий выполнять перевод текстов узконаправленной тематики. Подробно расписан алгоритм его работы и программный код.

5. Впервые проводится статистический анализ эффективности, разработанной в рамках исследования программы «Логистический переводчик» (англ. «Logistics Translator»), результаты которого будут использованы в дальнейших разработках по усовершенствованию алгоритмов ее функционирования.

Общая гипотеза исследования состоит в том, что машинный перевод не всегда предлагает точный перевод подъязыков ввиду различных факторов, в том числе особенностей каждого отдельного языка. В этой связи предлагается на конкретных примерах изучить возможности устранения ошибок (программные и непрограммные) для дальнейшей разработки и повсеместного внедрения достоверных и актуальных лингвистических баз данных в существующие сервисы автоматизированного перевода.

Теоретическая ценность заключается во всестороннем критическом рассмотрении и обобщении динамики развития проблемы автоматизированного перевода, в обнаружении степени расхождений между переводом в области определённого подъязыка («Логистика») и вариантами этого перевода на примере специальных цифровых систем автоматизированного перевода. В работе приводится ряд аналитических данных и информации рекомендательного характера, которые могут послужить вспомогательным материалом к дальнейшим исследованиям по прикладной и математической лингвистике, а также найдут свое применение в области обработки естественного языка.

Практическая значимость диссертационного исследования определяется наличием конкретных указаний, направленных на совершенствование методов автоматизированного перевода и их программной реализации. Полученные в ходе настоящего исследования практические результаты найдут применение в усовершенствовании программных алгоритмов автоматизированного перевода, методов разработки и пополнения цифровых баз данных предметной области «логистика».

Объектом исследования являются мультиязычные параллельные корпуса текстов подъязыка «Логистика».

Материалами исследования послужили предварительно отобранные параллельные корпуса текстов на иностранных языках (английский и немецкий), отобранные из отраслевых цифровых версий дайджестов и журналов, содержащие профессиональную терминологию предметной области «Логистика». Опираясь на несоответствия текстов оригинала на иностранном языке и текстами переводов, был проведён конструктивный анализ и составлена база данных ошибок машинного перевода. Результаты проведённой исследовательской работы и успешная программная реализация идеи по совершенствованию систем автоматизированного перевода предметной области были использованы автором для подтверждения положений, выносимых на защиту.

Предметом исследования - продукт перевода, полученный с применением современных программ машинного перевода.

Важным аспектом диссертационного исследования является разработка программного продукта позволяющего работать с текстами предметной области «Логистика» и реализовывать перевод высокого качества, который может быть сопоставим с переводом человека. Для этой цели была создана база данных специализированных слов-терминов на трёх языках, проанализированы лингвистические различия в словообразовании, семантики и синтаксиса, влияющие на смысловую связность и информативную целостность текстов. Было отмечено, что вследствие реализации перевода текстов с одного языка на другой, в том числе с помощью программ, невозможно обойтись без информационных потерь и частичных семантических искажений.

Основная цель исследования состояла в проведении сопоставительного анализа результатов автоматизированного перевода в области семантического поля «Логистика» и разработка программных методов совершенствования результатов автоматизированного перевода.

В качестве дополнительных целей ставились также поисковая и аналитическая работа, направленная на выявление и комплексное лингвистическое описание ошибок, допущенных системами автоматизированного перевода, а также попытка реализации программного решения, позволяющего предлагать пользователю варианты более точного контекстуального перевода в зависимости от предметной области.

Для достижения поставленных целей было необходимо решить следующие задачи:

1. Провести сопоставительный анализ результатов автоматического перевода в области «Логистика» с привлечением современных цифровых средств проведения автоматизированного перевода.

2. Выявить и зафиксировать наиболее типичные ошибки, обнаруженные при работе с программами машинного перевода в рамках подъязыка «Логистика».

3. Сформировать базу данных обнаруженных расхождений при автоматизированном переводе по подъязыку «Логистика».

4. Сопоставить типы ошибок при переводе с русского на английский/немецкий языки применительно к различным типам автоматизированного перевода.

5. Провести лексический и грамматический анализ материала, относящегося к формированию ошибочных типов перевода.

6. Разработать практические рекомендации по устранению наблюдаемых расхождений (типов ошибок).

7. Провести поисковую разработку программного продукта по обнаружению и устранению ошибочных результатов автоматизированного цифрового перевода.

В ходе проведения исследования и решения прикладных задач было установлено, что:

1. В процессе реализации автоматического перевода текстов с одного языка на другой невозможно обойтись без информационных потерь и частичных семантических искажений, которые могут негативно повлиять на восприятие текстовой информации.

2. Из-за лингвистических особенностей каждого языка, а также недостаточно классифицированных баз данных, основанных на статистических алгоритмах, современные системы машинного перевода не всегда являются точными. Отмечено также, что без автоматического или ручного пред- и постредактирования на сегодняшний день обойтись невозможно.

3. Устранение и предотвращение возможных ошибок, допущенных системами машинного перевода возможно благодаря усовершенствованию соответствующих баз данных подъязыков, а также разработке специализированных инструментариев, предназначенных для автоматического поиска и устранения неточностей перевода.

4. Использование специализированных программных решений автоматизированного перевода позволяет существенно улучшить качество автоматически переведенных текстовых сегментов, сэкономить время и облегчить процесс постредактирования.

5. Разработанная классификация ошибок машинного перевода, созданная мультиязычная лингвистическая база данных подъязыка «Логистика», а также предложенный набор цифровых инструментариев могут быть использованы для дальнейшей разработки цифровых решений в области реализации автоматизированного перевода с минимальным участием редактора.

Положения, выносимые на защиту:

1. Машинный перевод, осуществленный с помощью программных решений и сервисов, не всегда является грамотным и правильным.

2. От конечного результата перевода зависит предметная область выбранного текста, а также сходство языковых пар.

3. Составленная в ходе проведения исследований база данных ошибок и глоссарий подъязыка «Логистика» помогут ликвидировать возможные семантические и синтаксические ошибки, возникающие в результате машинного перевода текстов предметной области.

4. Автоматизированный перевод в отличие от машинного перевода является более эффективным инструментом при переводе текстов предметных областей.

5. Разработанная в ходе исследования программа автоматизированного перевода подъязыка «Логистика» позволяет облегчить процесс перевода, а также увеличить точность его результата.

Достоверность исследования определяется объёмом анализируемого материала подъязыка «Логистика» с обращением к языкам (русский, немецкий, английский), типам перевода (машинный и автоматизированный), надёжным количественным данным анализируемого языкового материала и методикой исследования, разработанной в ходе решения поставленной задачи.

Достоверность результатов и выводов проведенного диссертационного исследования обеспечивается фундаментальностью избранной методологической базы, тщательностью и аргументированностью анализа репрезентативного языкового материала, статистической обработкой полученных результатов перцептивных экспериментов.

Основная цель и задачи исследования обусловили структуру диссертации, которая состоит из введения, двух глав, заключения, списка литературы и ряда приложений.

Во введении обосновывается выбор темы исследования, раскрывается его актуальность, научная новизна, теоретическая и практическая значимость, определяются объект, предмет, гипотеза, цель, задачи и материал исследования, перечисляются методы исследования, предлагаются рекомендации об использовании его результатов, формулируются положения, выносимые на защиту.

В первой главе определяется понятийно-терминологический аппарат диссертационного исследования: приведен краткий исторический обзор динамики развития технологий машинного перевода, представлена классификация систем машинного перевода, проанализирован принцип устройства и проведен сравнительно-сопоставительный анализ машинного и автоматизированного перевода с учетом их ключевых особенностей. В конце главы подведены краткие итоги, рассмотрены нерешенные задачи машинного и автоматизированного перевода, отмечены преимущества, недостатки и ключевые тенденции их дальнейшего развития.

Во второй главе приведена классификация переводческих ошибок, допущенных в ходе работы с системами машинного перевода, проанализирован принцип пред- и постредактирования параллельных корпусов текстов и их значение для машинного перевода, предложены собственные рекомендации по выявлению и устранению текстовых сегментов, содержащих ошибочные варианты перевода, представлен принцип устройства и практическая работа разработанной программы автоматизированного перевода подъязыка «Логистика» на основе заранее отобранных текстов, содержащих терминологические единицы на русском, английском и немецком языках. В конце главы приводятся выводы относительно оценки качества работы программы на основе проведенного опроса, подтверждающая ее практическую востребованность для задач автоматизированного перевода подъязыков.

В заключении обобщаются результаты проведенного исследования, отмечается практический вклад, сделанный в развитие программ компьютерного перевода, рассматриваются дальнейшие перспективы изучения данной проблематики в рамках прикладной лингвистики.

Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК

Введение диссертации (часть автореферата) на тему «Сопоставительное исследование современного цифрового инструментария автоматизированного перевода (на материале подъязыка «Логистика»)»

Апробация работы

Основные положения диссертации были представлены на заседаниях кафедры прикладной и экспериментальной лингвистики МГЛУ в 2019 — 2023 годах. Результаты исследования обсуждались на следующих международных конференциях: 24 Международная конференция «Речь и компьютер» («Speech and Computer 2022») в ноябре 2022 г. (Гуруграм, Индия), VII Международная научно-практическая конференция «Язык и речь в Интернете: личность, обшество, коммуникация, культура» в апреле 2023 г. в РУДН, Международная конференция по парадигмам коммуникации, вычислений и анализа данных (PCCDA 2023) в апреле 2023 г. (Дели, Индия).

ГЛАВА 1. ИСТОРИЯ, ТЕКУЩЕЕ СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ АВТОМАТИЧЕСКОГО ПЕРЕВОДА

1.1. Понятийно-терминологический аппарат диссертационного исследования

Прежде чем приступить к детальному рассмотрению проблемы машинного перевода, прежде всего необходимо определиться со значением понятия перевод. В словаре-справочнике лингвистических терминов Д.Э. Розенталя можно встретить следующее определение: перевод - это «особый вид деятельности, заключающийся в передаче содержания устного высказывания или письменного текста средствами другого языка». Также перевод подразделяется на дословный и художественный. Дословный перевод - это

«перевод иноязычного текста на другой язык путем механической подстановки на место слов языка-источника их эквивалентов в языке, на который делается перевод, при сохранении иноязычной конструкции» ... «передача общего содержания иноязычного текста без проникновения в смысловые детали и эмоционально-экспрессивные оттенки, выраженные языковыми средствами языка-источника». Художественный перевод - это «перевод, сохраняющий тонкости содержания иноязычного текста, его образную систему, сделанный с учетом семантических и выразительных возможностей и особенностей как языка-источника, так и языка-объекта» [Розенталь, Теленкова 1976].

Исходя из данного определения становится понятно, что перевод - это достаточно многогранное понятие, которое является, с одной стороны, чисто механической деятельностью по преобразованию (перекодированию) единиц языка, так и способ проявления творческих способностей человека с учётом лингвистических особенностей языков и способов передачи информации в самом широком смысле этого слова [Bell, Candlin 1991].

Проблема реализации МП также носит междисциплинарный характер. Она находится на стыке целого ряда наук, таких как лингвистика, математика, информатика, а также тесно связана с проблемой создания искусственного интеллекта. Термин МП не однозначен и имеет различные толкования [Раренко, Опарина, Трошина 2010].

Машинный перевод - это «перевод с одного естественного языка на другой, выполняемый машиной» [Марчук 2007]; ... «перевод, осуществляемый компьютером, т.е. компьютерной программой» [Алексеева 2004]. Словарь Розенталя предлагает следующее определение понятию машинный перевод «машинный перевод - это автоматический перевод текста с одного языка на другой при помощи электронных машин на основе заданной программы. Положительные результаты достигнуты в настоящее время только при переводе текстов с чисто логическим содержанием. Попытки

перевода текстов художественной литературы успехом пока не увенчались». [Розенталь, Теленкова 1976]. Так, одним из значений является сам процесс осуществления перевода с одного естественного языка на другой. На вход подаётся фрагмент текста на одном языке, который обрабатывается и преобразуется с помощью программного алгоритма в готовый текст на другом языке [Шаляпина 1988]. Данный процесс происходит непосредственно без вмешательства человека и представляет собой конвертацию лингвистических данных в рамках заданных правил. Другими словами, машинный перевод - это процесс обработка и переработки языковых текстовых фрагментов различного объёма с условного языка №1 на условный язык №2 при помощи цифровых электронных вычислительных инструментариев (компьютерных технологических решений и эффективных подходов).

Также МП - это и область научных исследований, находящаяся на стыке лингвистики, математики и информатики, которая занимается исследованием и созданием алгоритмизированных программ, работающих по принципам машинного перевода [Schwanke 1991].

Приступая к межъязыковому переводу возникает непростая творческая задача, связанная с адаптацией текста на язык перевода. Это касается как задачи сохранения смысла (минимизации лингвистических искажений), так и разрешения полисемии. Исходя из определения термина «машинный перевод» можно сделать вывод, что перевод любых текстов, в частности художественных, с помощью алгоритмов не является возможным ввиду неоднозначности многих языковых явлений, невозможности визуального представления и форматизаций некоторых знаний [Союз писателей СССР. Совет по худож. переводу 1967].

С того момента и до сих пор высококачественный человеческий перевод твердо закрепился как творческий процесс, который позволяет передавать и интерпретировать смыслы, используя различные комбинаторные подходы [Маковский 2006]. Машинные системы не способны воспринимать и

передавать эмоции, улавливать «скрытые смыслы». Это касается прежде всего текстов, которые нацелены на получение определённой реакции от целевой аудитории путем использования особых речевых стратегий [Ivanova, Rotanova, Ivanov, Prokhorova, Philippova 2021]. Только фундаментальное осознание человеком определенного языка («лингвистическое чутье») позволяет манипулировать лингвистическими единицами для передачи глубинных концептуальных моделей.

Междисциплинарность перевода указывает также на то, что данный процесс является сложным когнитивным феноменом. В ходе работы над текстами на иностранных языках переводчик задействует не только собственные языковые навыки и умственные способности, но и дополнительные экстралингвистические знания (многоуровневые элементы «картины мира»), полученные эмпирическим путём.

Качественный (авторский) перевод, выполненный человеком, не представляется возможным не только без знания специфики конкретной предметной области, но и без наличия фоновых знаний. Некоторые тексты содержат в себе скрытую информацию, которую необходимо расшифровать или эквивалентно передать на языке перевода, чтобы не допустить искажений или информационных потерь [Семенов 2008.]. Человек-переводчик для этого использует сложные когнитивные методы «описательного», «объяснительного» и «интерпретационного» перевода, а также прибегает к дополнительным лингвистическим средствам и различным приёмам «переформулирования». Компьютерные системы в отличие от человека не способны классифицировать и ситуативно использовать переводческие трансформации [Раренко, Опарина, Трошина 2010].

Необходимым условием для выполнения качественного перевода является «чувство языка» («языковое чутье») или языковая интуиция [Lindroth 1937]. Имитировать языковую интуицию до сих пор не представляется возможным ввиду отсутствия чёткой алгоритмичной структуры и

последовательности действий, а следовательно невозможность её программной реализации.

Из истории зарождения и развития проблематики машинного перевода становится понятно, что задача перевода на протяжении веков входила в сферы интересов многих учёных и философов [Нелюбин, Хухуни 2006]. Изначально была предпринята попытка описания естественного языка как некой кодовой системы, которую возможно шифровать/дешифровать с помощью математических алгоритмов и программных средств. С этой парадигмы зародилось первичное представление о МП, которое было закреплено в первичном письменном упоминании в конце 1940-х гг., связанное с именем американского учёного, специалиста по криптографии Уоррена Уивера. В своём письме Норберту Винеру он предложил реализовать идею машинного перевода, сравнив её с задачей по дешифровке. В 1949 г. он Уоррен Уивер опубликовал меморандум «Translation» в котором он указал на необходимость создания систем машинного перевода и изложил алгоритм реализации подобных систем [Weaver 1949]. В послевоенные годы общественный и научный интерес к проблеме реализации машинного перевода был особенно высок. Прежде всего, это касалось перевода иностранных текстов военной тематики.

Недостаточная вычислительная мощность систем ЭВМ1 в те годы послужила ограничением к дальнейшей эволюции систем МП, а предложенный в 1950 году учёным-математиком Аланом Тьюрингом тест машины на разумность (тест «Тьюринга») фактически развеял миф о возможности компьютерного мышления. Тем не менее основополагающей парадигмой, которую заложил Тьюринг, стала реализация такой системы, которая сможет взаимодействовать с пользователем на естественном языке и её будет невозможно отличить от живого человека-собеседника [Turing 1950].

1 Электронно-вычислительная машина

В 1954 г. была представлена первая система машинного перевода, разработанная Джорджтаунским университетом совместно с американской компанией IBM. Система осуществила первый в мире полностью автоматизированный перевод более 60 предложений с русского языка на английский. Успех проведённого эксперимента послужил основой для дальнейшего развития систем МП [Schwanke 1991].

В том же году ряд советских учёных, среди которых стоит отдельно отметить И. К. Бельскую и Д. Ю. Панова, провели собственный эксперимент по машинному переводу в Институте точной механики и вычислительной техники Академии Наук СССР. В 1956 г. в Москве была сформирована «Лаборатория машинного перевода» под руководством математика и лингвиста — переводчика Ю. А. Моторин. В группе Моторина работали В. А. Павлов, Ю. Н. Марчук, Д. А. Жуков, Е. Николаев, А. Богомолкин, Е. Княгинин, В.И. Щербинин и многие другие. Под его руководством была создан первый отечественный промышленный алгоритм МП, который был пригоден для работы на всех системах ЭВМ [Попов 1982].

В 1959 г. была открыта «Лаборатория машинного перевода» в МГПИИЯ им. М. Тореза (ФГБОУ ВО МГЛУ). Идеи, которые вышли далеко за пределы стен университета являлись новаторскими и позволяли по-новому взглянуть на проблему МП. Нельзя не отметить ряд концепций, которые сыграли ключевую роль не только в развитии МП, но и современных систем на без технологии ИИ: о языке-посреднике, понятии модели управления слова, роли словаря в МП и т. д. [Баранов 2017].

Серия публикаций этой лаборатории под общим названием «МП и ПЛ» (Машинный перевод и прикладная лингвистика), оказала существенное влияние не только на прикладную, но и на теоретическую лингвистику [Машинный перевод и прикладная лингвистика: (Бюллетень Объединения по машинному переводу) 1959-1980]. В ходе различных лингвистических исследований были достигнуты существенные результаты, которые были в

дальнейшем воплощены в системе англо-русского автоматического перевода (сокращённо - АРАП). Эта система была долгое время в стадии разработки, но, к сожалению, не нашла своё дальнейшего практического применения.

В 1960-х гг. советский лингвист И.А. Мельчук при активном участии А.К. Жолковского и Ю.Д. Апресяна предложил теорию языка «Смысл о Текст», которая представляла естественных язык как многоуровневую модель преобразований смысла в текст и обратно. Теория «Смысл о Текст» представляет собой описание естественного языка, понимаемого как устройство («система правил»), обеспечивающее человеку переход от смысла к тексту («говорение», построение текста) и от текста к смыслу («понимание», или интерпретация текста. Многоуровневая модель языка, предложенная И.А. Мельчуком предусматривает построение текста с помощью серии переходов от одного уровня представления к другому. Семантическое представление является неупорядоченным графом («сетью»), синтаксические представления являются графическим деревом («деревом зависимостей»), морфологическое и фонологическое представления линейны. Как говорил сам Мельчук «Язык есть универсальный преобразователь смысла в текст и обратно» [Мельчук 1999].

МП послужил стимулом к развитию исследований в области теоретического и прикладного языкознания по всему миру. Внимание учёных сместилось в сторону вопросов моделирования языка, представления знаний, языковой и мыслительной деятельности человека, что повлияло на дальнейшее развитие и зарождение новых направлений лингвистики. По всему миру в университетах и исследовательских центрах стали открываться отделения прикладной лингвистики и машинного перевода.

Идея использовать машину для реализации задачи перевода текста с одного языка на другой зародилась после Второй Мировой Войны на рубеже 1960х-1970х гг. в США. Изначально были разработаны две системы: GAT (Джорджтаунский автоматизированный переводчик) и MARK

(Департамент иностранной техники ВВС США). Основным предназначением данных систем был перевод текстов военной тематики. В первое время системы неплохо справлялись с поставленными задачами. Они содержали в себе небольшую лингвистическую базу данных узкой предметной области и базовый набор грамматических правил для перевода текстов с английского на русский / с русского на английский ^1осит 1985].

Стремительный рост объёмов информации и лингвистических баз данных сделали необходимым появление более универсального переводчика, который мог бы переводить тексты любого объёма и сложности. В последствии был разработан статистический МП, который обучался на огромных выборках текстов международных организаций ООН, ОБСЕ, НАТО, ЕС и др. Мультиязычные тексты сопоставлялись друг с другом большое количество раз. В памяти системы сохранялось количество запоминаний, что и стало определяющим механизмом в работе систем данного типа.

Однако всеобщий оптимизм учёных в отношении перспектив развития МП был полностью ликвидирован благодаря публикации доклада специального комитета по прикладной лингвистике (АЬРАС) Национальной академии наук (США) под названием «Чёрная книга машинного перевода». В нём было доказана невозможность реализации высокоточных систем автоматического перевода, способного работать с любыми типами текстов на иностранных языках, а также подчёркнуто низкое качество результатов программного перевода [НШсЫш 2003].

МП обрел своё второе дыхание на рубеже 1970-х гг. Это было связано прежде всего с определенным прорывом, достигнутым в области компьютерного моделирования интеллектуальной деятельности и искусственным интеллектом. Разработка систем МП рассматривалась как частный случай проблемы создания искусственного интеллекта [Пиотровский 1975].

Промышленные системы машинного перевода несколько отличались от своих предшественников. Они содержали не только примитивный набор грамматических правил и основную терминологическую базу предметной области, но и возможности автоматического морфологического анализа языков, обнаружения синтактических структур. Кроме того, были описаны семантические классификаторы, которые позволяли произвести наиболее точный подбор эквивалента для осуществления перевода. Усиление процессов глобализации и взаимодействие стран на международной арене привели к созданию автоматических словарей и лингвистических баз данных различных предметных областей. Разработки в области МП послужили материальной базой для исследований в области автоматизации информационного потока, обработки естественного языка (NLP), создания экспертных систем (ЭС), а также дальнейших исследований в области представления знаний в вычислительных системах [Bird, Klein, Loper 2009].

В ходе лингвистических исследований были проанализированы ошибки, допускаемые системами машинного перевода в прошлом и на их основе разработаны новые концепции высококачественного перевода. Они включали в себя непосредственное участие человека в процессе перевода (пред-, пост-, интерредактирование), появилась профессия редактор (корректор) текстов машинного перевода.

К тому моменту учёные всё чаще стали говорить об эффективной синергии человека и компьютера, где человек являлся главным исполнителем и реализатором задачи перевода, а компьютер предлагал лишь инструменты и базу данных. Это могло существенно сократить время работы и повысить качество полученных результатов. Один из пионеров компьютерной лингвистики - Мартин Кей ещё в 1980 году комментируя будущие тенденции развития компьютерных технологий отметил, что все простые задачи в большом объёме, которые требуют скорости выполнения, будет выполнять компьютер, а человек будет решать творческие задачи и генерировать новые

ранее не существовавшие концепции [Kay 1980]. Таким образом можно сказать о том, что человек и компьютер взаимосвязаны напрямую, так как от задач, которые поставил человек, зависит то, насколько эффективно будет выполнена та или иная компьютерная программа. Другими словами человек -это работодатель для компьютера, а компьютер - это работник или исполнитель идей и видений человека. С этого постулата и началось стремительное развитие эры персональных компьютеров, которая продолжается и по сей день.

Распространение таких идей нашло воплощение в соответствующих программных решениях, призванных облегчить процесс перевода для человека. Разработанная ещё в 1960х гг. система машинного перевода SYSTRAN была успешно внедрена в 1975 г. в качестве основной для Европейской комиссии и выполняла автоматический перевод текстов на все языки Европейского союза. На рынке коммерческого машинного перевода появились системы от компаний Logos Corp., Globalink Inc., Toshiba Corp., CompuServe и др., в том числе и отечественная компания PROjectMT (PROMT) и её продукт PROMT 98 (усовершенствованная версия популярной системы Stylus). По вопросам машинного перевода на постоянной основе проводились международные конференции COLING и MT SUMMIT.

В 1974 г. началась работа над компьютерными системами ЭТАП, которые являются лингвистическими процессорами, содержащими в себе большой объём знаний и представлений о естественном языке. Система ЭТАП-3 могла не только выполнять анализ текстов на русском и английском языках, но и самостоятельно строить тексты исходя из смысловых заданий. На основе ЭТАП-3 был реализован ряд прикладных разработок: система машинного перевода, конвертер/декодер семантического языка UNL, компьютерный учебник лексики и синтаксически размеченный корпус русских текстов СинТагРус (первый корпус русского языка). Системы ЭТАП опирались на лингвистическую теорию «Смысл о Текст», предложенную

И.А. Мельчуком. [Апресян, Богуславский, Ломдин, Лазурский, Перцов, Санников, Цинман 1989]. Основы и идеи, реализованные в системах ЭТАП послужили материальной базой для дальнейших исследований, которые были реализованы в 2004 г. в Национальном корпусе русского языка (наиболее полной онлайн-базой русскоязычных письменных текстов). В состав корпуса входят синтаксически и семантически размеченные тексты, что облегчает работу с ними для задач обучения и усовершенствования систем МП.

Распространение сети интернет и революционный скачок на рынке персональных компьютеров в 1990-х годах в значительной степени повлияли на развитие машинного перевода и привели к знаковым изменениям:

• Появились эффективные и быстрые системы МП, а также автоматические словари;

• В системы МП были интегрированы системы оптического распознавания символов (OCR), что привело к увеличению точности перевода;

• Появились дополнительные возможности интеграции онлайн сервисов МП для перевода веб-страниц в сети интернет.

В дальнейшем при увеличении количества лингвистических данных возникла проблема, связанная с обработкой больших массивов за более короткое время. Естественно, данная задача потребовала задействования дополнительного человеческого ресурса, что повлекло за собой финансовые издержки. Развитие вычислительных технологий в середине XX века открыло новые возможности для реализации задачи перевода больших объемов текстов. Тогда впервые было предложено делегировать часть переводческих задач машине, параллельно работая над совершенствованием ее алгоритмов.

Актуальность проблем МП обусловлена количеством проектируемых и реально функционирующих систем, число которых превышает сотню. Среди них можно выделить промышленные, развивающиеся и экспериментальные

[Леонтьева, Шаляпина 1990]. С каждым годом на рынке автоматизированных систем появляются всё новые и новые программы МП, которые используют самые передовые компьютерные технологии для обеспечения эффективности их функционирования и достижения высокого уровня качества перевода.

1.2. Классификация систем МП. Устройство, ключевые характеристики и алгоритм функционирования

Машинный перевод (МП) — это цифровой инструмент, основанный на компьютерных алгоритмах, который может выполнять автоматический перевод текстов с одного языка на другой. За многие годы практического применения он, несомненно, доказал свою эффективность [Николаев, Митренина, Ландо 2017].

Говоря о МП, прежде всего, стоит отметить фактор экономии времени. Вывод ответа будет обеспечен практически за доли секунды, а содержание (подстрочник) будет вполне понятен рядовому пользователю. Нельзя недооценивать важность такой технологии для глобального мира.

Технологии МП активно применяются в тех областях, где скорость требуется в первую очередь. К ним относятся короткие новостные дайджесты, например, интернет-сайты с короткими и простыми текстовыми фрагментами. Недавние исследования доказали эффективность машинного перевода научных текстов, текстов по тематике международных отношений и политике, включающих общеупотребительные слова, словосочетания и текстовые фрагменты. Алгоритмы обучены на огромном количестве интернет-текстов и статей. Это позволило быстро достичь высокого качества, сопоставимого с ручным переводом человека. [Groves, Mundt 2015].

Системы МП, появившиеся в 1950-х годах, отличались простотой и примитивностью алгоритма перевода. На вход подавалось словосочетание или предложение на исходном языке и после ряда преобразований заменялось на

полный эквивалент на выходном языке. Они назывались системами пословного перевода [Ревзин, Розенцвейг 1964].

Главным минусом такого подхода являлось то, что системы не учитывали языковые особенности, такие как полисемия, фразеология и контекстуальный перевод. Естественно, и не было никой модели языка, а также способов представления знаний, которые существуют в современных системах.

На тот момент времени было реализовано два основных подхода: трансферный (Transfer MT) и интерлингвистический (Interlingua MT) машинный перевод.

Развитие систем МП привело к появлению трансферного подхода к вопросу перевода. Он предполагает создание промежуточного представления, которое можно наложить на любую модель языка. Начиная с трансферных систем МП появилось разграничение между анализом и синтезом текста, а также сложилось понимание, что для каждого процесса необходим собственный алгоритм. Машинный перевод, основанный на лингвистическом анализе, выполняет многоуровневый разбор текста и последующий его синтез [Рябцева 1986].

Трансферный машинный перевод (Transfer MT) базируется на сравнительно-сопоставительном подходе к проблеме межъязыкового перевода. Прежде всего текстовый фрагмент на изначальном языке трансформируется в абстрактную или промежуточную модель, которая затем преобразуется в модель языка перевода, чтобы потом конвертироваться из некоторого нелингвистического представления в текстовый фрагмент на иностранном языке. При машинном переводе, основанном на интерлингвистическом принципе, эта промежуточная модель должна быть независима от данных языков, тогда как при машинном переводе трансферного существует некоторая ее зависимость от конкретной языковой пары.

МП, основанный на концепции интерлингвы (ШегН^иа), выполняет перевод через один или несколько языков-посредников (промежуточную семантическую модель текста исходного языка), которые находятся между входным и выходным текстом. ШегН^иа являет собой не зависящую от конкретного языка модель, из которой может быть сгенерирован перевод на любой язык. Принцип ШегН^иа позволяет трансформировать текст на родном языке в структуру, которую в дальнейшем можно использовать, «накладывать» практически на любые языки (Рис.1). И уже из нее могут быть произведены тексты на других языках. Таким образом, процесс перевода проходит две стадии: из исходного языка в ШегН^иа и из ШегН^иа на целевой язык. Для осуществления принципа ШегН^иа требуется анализатор для каждого исходного языка и генерирующая программа для каждого языка на выходе. Для анализа исходного текста необходимо проведение глубокого семантического разбора, который предполагает обширное знание лексики.

Рис.1. Схематичный алгоритм функционирования

интерлингвистических систем машинного перевода.

Усовершенствованным вариантом межъязыкового машинного перевода стала система МП на основе трансформации (англ. transfer-based machine translation). Для реализации перевода создаётся некоторое лингвистическое промежуточное представление, которое содержит набор морфологических, синтаксических, а также семантических правил. Принцип работы данных систем можно разделить на два этапа: анализ текста на одном языке и генерация (синтез) текста на другом языке (Рис.2). Существующие сегодня системы трансферного типа проводят морфологический анализ исходного текста (классифицируют слова по принадлежности к частям речи и

Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК

Список литературы диссертационного исследования кандидат наук Кузьмин Олег Игоревич, 2024 год

СПИСОК ЛИТЕРАТУРЫ

1. Алексеева И.С. Введение в переводоведение. Учеб. пособие для студ. филол. и лингв фак. высш. учеб. заведений. - СПб.: Филологический факультет СПбГУ; Издательский центр «Академия», - 352 с.- СПб., 2004. ISBN 5-76951542-2.

2. Актуальные проблемы теории художественного перевода. - М.: Союз писателей СССР. Совет по худож. переводу, 1967. - Т. 1. - 369 с.

3. Ануреев И.С., Батура Т.В., Боровикова О.И., Загорулько Ю.А., Кононенко И.С., Марчук А.Г., Марчук П.А., Мурзин Ф.А., Сидорова Е.А., Шилов Н.В. отв. ред. Марчук А.Г. Модели и методы построения информационных систем, основанных на формальных, логических и лингвистических подходах -Новосибирск: Изд-во СО РАН, 2009. - 330 с.

4. Апресян Ю. Д., Богуславский И. М., Иомдин Л. Л., Лазурский А. В., Перцов Н. В., Санников В. З., Цинман Л. Л. Лингвистическое обеспечение системы ЭТАП-2. М.: Наука, 1989, 295 с.

5. Баранов, А. Н. Введение в прикладную лингвистику: [учебник] / Московский государственный университет им. М.В. Ломоносова. - Изд. 5-е. - Москва: URSS, Москва: ЛЕНАНД, 2017. - 368 с.: ил., табл. - (Новый лингвистический учебник).

6. Баранов А. Н. Автоматизация лингвистических исследований: корпус текстов как лингвистическая проблема / Русистика сегодня. 1998. № 1-2. с. 179-191.

7. Большакова Е.И., Клышинский Э.С., Ландэ Д.В., Носков А.А., Пескова О.В., Ягунова Е.В. Автоматическая обработка текстов на естественном языке и компьютерная лингвистика: учеб.пособие — М.: МИЭМ, 2011. — 272 с.

8. Большакова Е.И., Воронцов К.В., Ефремова Н.Э., Клышинский Э.С., Лукашевич Н.В., Сапин А.С. Автоматическая обработка текстов на естественном языке и анализ данных: учебное пособие - М.: Изд-во НИУ ВШЭ, 2017. - 269 с.

9. Бухаров В. М., Оношко В. Н., Крюкова Н. Ф., Иванов А. В. Формирование информационной компетенции студентов - будущих лингвистов-

переводчиков при помощи автоматизированных систем // Перспективы науки и образования. 2022. № 6 (60). с. 68-84.

10. Долинский В.А. Теория ассоциативных полей в квантитативной лингвистике. М.: УРСС, 2012. 511 с. - 24 п.л.

11. Дорохова Ю. Э. Применение онтологий для создания терминосистем (на примере терминологии логистики) // Русский язык и литература в международном образовательном пространстве: современное состояние и перспективы к 55-летию преподавания русского языка в Испании: материалы II международной конференции. Granada: Rubinos-1860, S.A., 2010. С. 20382042.

12. Дорохова Ю. Э. Термины логистики в немецких изданиях // Логистика и управление цепями поставок. 2006. № 3 (14). с. 72-81.

13. Дубовская O.В., Лазько Л.Ю. Терминология сферы логистики современного английского языка: социолингвистический подход. Филологические науки в МГИМО. 2016; (7): 24-30.

14. Захаров В. П., Богданова С. Ю. Корпусная лингвистика: Учебник для студентов направления «Лингвистика». — 2-е изд, перераб. и дополн. — СПб.: СПбГУ. РИО. Филологический факультет., 2013. — 148 с.

15. Зубов А.В. Система перевода "Translation Memory" как основа для перевода фразеологизмов. Карповские научные чтения. Выпуск 6. Часть 1. - Мн.: Белорусский дом печати, 2012.

16. Каряева М. С., Браславский П. И., Соколов В. А. Векторное представление слов с семантическими отношениями: экспериментальные наблюдения, Моделирование и анализ информационных систем, 2018, том 25, номер 6, с. 726-733.

17. Коннолли Т., Бегг К. Базы данных. Проектирование, реализация и сопровождение. Теория и практика = Database Systems: A Practical Approach to Design, Implementation, and Management. — 3-е изд. — М.: Вильямс, 2003. — 1436 с. — ISBN 0-201-70857-4.

18. Комиссаров В.Н., Рецкер Я.И., Тархов В.И. Пособие по переводу с английского языка на русский. - М.: Изд-во лит. на иностр. яз., 1960. - Ч. 1: Лексико-фразеологические основы перевода. - 182 с.

19. Комиссаров В. Н. Современное переводоведение. Курс лекций. — М.: ЭТС. — 1999. - 192 с.

20. Леонтьева Н. Н., Шаляпина З. М. Современное состояние машинного перевода // Искусственный интеллект. Справочник. Кн. 1. Системы общения и экспертные системы. М., 1990. с. 216-261.

21. Леонтьева Н. Н. Автоматическое понимание текстов. Системы, модели, ресурсы. - М., 2006.

22. Маковский М. М. Лингвистическая комбинаторика: опыт топологической стратификации языковых структур /. - Изд. 2-е, стер. - Москва: URSS, 2006. -231 с.; 22 см.; ISBN 5-484-00608-2.

23. Максименко О. И. Формальные методы оценки эффективности систем автоматической обработки текста: Диссертация д-ра филол. наук: 10.02.21: Москва, 2003 447 с. РГБ ОД, 71:04-10/82.

24. Мануковская Т.В., Смотрова И.В., Сложеницына Л.В. Понятие «Языковая лакуна» в современной лингвистике на основе славянских и романо-германских языков. Филологические науки. Вопросы теории и практики, № 2-1 (80), 2018, с. 120-123.

25. Марчук Ю.Н. Компьютерная лингвистика. Издательский центр Академия Москва, 2007, 176 с. ISBN 978-5-7695-6991-3.

26. Марчук Ю.Н. Проблемы машинного перевода. - М.: Наука, 1983. - 232 с.

27. Марчук Ю. Н. Типология текстов и машинный перевод / Вопросы прикладной лингвистики. - 2011. - № 4. - С. 62-70. - EDN SAWMVB.

28. Машинный перевод и прикладная лингвистика: (Бюллетень Объединения по машинному переводу). - М., 1959-1980. - Вып. 1-20.

29. Мельчук И. А. Опыт теории лингвистических моделей «Смысл ^ Текст». М., 1974 (2-е изд., 1999).

30. Мюллер Ю.Э. Словообразование в английской, немецкой и русской терминологии логистики. Филологические науки. Вопросы теории и практики (входит в перечень ВАК). Тамбов: Грамота, 2017. № 1. Ч. 1. С. 146149.

31. Мюллер Ю. Э. Prinzipien, Arten und Charakteristika von Definitionen in der deutschen und englischen Logistikterminologie // Филологические науки в МГИМО. М.: МГИМО (У) МИД РФ, 2016. № 7. с. 39-49.

32. Мюллер Ю.Э. Логистика: немецко-русский глоссарий - М.: Всероссийский центр переводов, 2005.

33. Нелюбин Л.Л., Хухуни Г.Т. Наука о переводе (история и теория с древнейших времен до наших дней): учеб. пособие — М.: Флинта: МПСИ, 2006. — 416 с.

34. Нелюбин Л.Л. Толковый переводоведческий словарь. - 3-е издание, переработанное. — М.: Флинта: Наука. 2003.

35. Николаев И.С., Митренина О.В., Ландо Т.М. Машинный перевод // Прикладная и компьютерная лингвистика / (ред.), М.: URSS, 2017. с. 156189.

36. Панасенков Н. А. Практические рекомендации по обучению лингвистов-переводчиков работе в системах автоматизированного перевода типа SDL TRADOS и SMARTCAT / Н. А. Панасенков, Л. И. Корнеева // Язык в сфере профессиональной коммуникации: сборник материалов международной научно-практической конференции преподавателей, аспирантов и студентов (Екатеринбург, 18 апреля 2019 года). — Екатеринбург: ООО «Издательский Дом «Ажур», 2019. — с. 494-499.

37. Панасенков Н.А. Опыт обучения студентов-лингвистов постредактированию машинного перевода (на материале англо-русского перевода с помощью систем "Google Translate", "Яндекс Переводчик" и "Promt"). Педагогическое образование в России, №. 1, 2019, с. 55-60.

38. Пиотровский Р. Г. Текст, машина, человек - Л.: Наука, 1975.

39. Попов Э. В. Общение с ЭВМ на естественном языке, М., 1982.

40. Потапова Р.К. Новые информационные технологии и лингвистика. Изд. 7-е. М.: УРСС, 2021. - 600 с.

41. Потапова Р. К., Потапов В. В., Кузьмин О. И. Новый программный подход к автоматизированному переводу (на примере подъязыка Логистика) // VII Международная научно-практическая конференция Язык и речь в Интернете: личность, общество, коммуникация, культура. — М.: Изд-во РУДН, Т. 1. 2023. С. 290-300. ISBN 978-5-209-12162-6 (т. 1).

42. Потапов В.В. Лингвокогнитивный подход к созданию автоматизированной системы перевода на основе специализированных параллельных терминологических баз данных. (Обзор) // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6: Языкознание. Реферативный журнал. 2022. № 2. с. 37-43.

43. Потемкин С.Б. Машинный перевод как средство стандартизации терминологии // Вестник Московского государственного областного университета. Серия: Лингвистика. 2017. № 5., с. 77-84. https://doi.org/10.18384/2310-712X-2017-5-77-84.

44. Проблемы перевода текстов разных типов: сб. науч. тр. / АН СССР, Ин-т языкознания, Нижнетагил. гос. пед. ин-т; отв. ред. А. Д. Швейцер. - М.: Наука, 1986. - 158 с.: ил. - Библиогр. в конце ст. Шифр РНБ: 87-5/5791.

45. Раренко, М. Б. Основные понятия переводоведения (Отечественный опыт): Терминологический словарь-справочник / М. Б. Раренко, Е. О. Опарина, Н. Н. Трошина. - Москва: Институт научной информации по общественным наукам РАН, 2010. - 160 с. - (Теория и история языкознания). - ISBN 978-5248-00512-3. - EDN MQGLLX.

46. Рахилина Е. В. Когнитивный анализ предметных имен: семантика и сочетаемость. - Москва: Рус. словари, 2000. - 416 с. - ISBN 5-93259-016-5.

47. Ревзин И.И., Розенцвейг В.Ю. Основы общего и машинного перевода. - М.: Высш. школа, 1964. - 243 с.

48. Резер С.М. Логистика. Словарь терминов / С.М. Резер, А.Н. Родников. -Москва: ВИНИТИ РАН, 2007. - 412 с.

49. Реформатский А. А. Введение в языковедение / Реформатский. — 5-е изд. М.: Аспект Пресс, 2005. - 536 с.

50. Розенталь Д. Э., Теленкова М. А. Словарь-справочник лингвистических терминов. Изд. 2-е. — М.: Просвещение, 1976.

51. Рябцева Н.К. Информационные процессы и машинный перевод. М.: Наука, 1986. - 169 с.

52. Семенов А.Л. Современные информационные технологии и перевод. М.: Издательский центр «Академия», 2008. - 224 с.

53. Собакин А.Н. Математические основы гуманитарных знаний - М.: Ленанд, 2014. - 280 c.

54. Степанова Д.В. Лингвистические аспекты перевода на русский язык английских терминологических словосочетаний с использованием корпуса параллельных текстов. Диссертация канд. филол. наук. Минск: Минский государственный лингвистический университет, 2007.

55. Убин И.И. Автоматический переводной словарь, принципы построения: Лингвистическая концепция. - М.: Гос. ком. СССР по науке и технике, 1989. - 143 с.

56. Федоров А.В., Кузнецова Н.Н., Морозова Е.Н. Цыганкова И.А. Немецко-русские языковые параллели /- М.: Изд-во литературы на иностр. яз., 1961. -136 с.

57. Харламов А.А. Нейросетевая технология представления и обработки информации (естественное представление знаний). — М.: «Радиотехника», 2006 - 89 с.

58. Шаляпина З.М. Текст как объект автоматического перевода // Текст и перевод. М.: Наука, 1988. С. 113-129.

59. Aiken M. An Updated Evaluation of Google Translate Accuracy. Studies in Linguistics and Literature. 3. p. 253., 2019. https://doi.org/10.22158/sll.v3n3p253.

60. Akhobadze B. Polysemy in machine translation exemplified in English and Georgian. Bulletin of the Georgian National Academy of Sciences. 13. pp. 143146, 2019.

61. Atabekova A. Translation Errors Across Legal Titles and Headings: Critical Analysis of the English Version of the Russian Criminal Procedural Code. J Psycholinguist Res, 2023. https://doi.org/10.1007/s10936-023-09975-y.

62. Bell Roger T., Candlin C. Translation and translating: Theory and practice. Vol. 298. London: Longman, 1991.

63. Borisova I.A. Automatic Text Processing in Cross-Language Computer Communication. In: N. Fakotakis, A. Ronzhin, R. Potapova (eds.) SPECOM 2015. Proceedings, vol. II. Universi- ty of Patras (Greece), pp. 19-27, 2015.

64. Borisova I.A. Some Observations on Machine Translation (Russian-English Direction) Postediting (Comparison of Online Translators GOOGLE and

PROMPT). Vestnik of Moscow State Linguistic University, 13 (699), pp. 53-59, 2014 (in Russian).

65. Christensen T., Schjoldager A. Translation-Memory (TM) Research: What Do We Know and How Do We Know It? HERMES - Journal of Language and Communication in Business, 23(44), pp. 89-101, 2010. https://doi.org/10.7146/hjlcb.v23i44.97268.

66. Dale R., Moisl H., Somers H. (ed.). Handbook of natural language processing. -CRC Press, 2000. - 1015 p.

67. Dorr B.J. Principle-Based Parsing for Machine Translation. In: Berwick, R.C., Abney, S.P., Tenny, C. (eds) Principle-Based Parsing. Studies in Linguistics and Philosophy, vol 44. Springer, Dordrecht., 1991. https://doi.org/10.1007/978-94-011-3474-3 6.

68. Goldsmith E. (2014). SDL Trados Studio and memoQ: side by side. Signs & Symptoms of Translation: a blog by a Spanish to English medical translator. Available at: https://signsandsymptomsoftranslation.com/2014/08/08/ memoq. (accessed 21 March 2022).

69. Groves M., Mundt K. Friend or foe? Google Translate in language for academic purposes. English for Specific Purposes. 37. pp. 112-121, 2015. https://doi.org/10.1016/j.esp.2014.09.001.

70. Hadeel S., Orasan C. BLEU, METEOR, BERTScore: Evaluation of Metrics Performance in Assessing Critical Translation Errors in Sentiment-Oriented Text. In Proceedings of the Translation and Interpreting Technology Online Conference, pp. 48-56, Held Online. INCOMA Ltd. 2021.

71. Haifeng Wang, Hua Wu, Zhongjun He, Liang Huang, Kenneth Ward Church, Progress in Machine Translation, Engineering, 2021, ISSN 2095-8099. https://doi.org/10.1016/j.eng.2021.03.023.

72. Hutchins W. J. "ALPAC: The (in)famous report," in Readings in machine translation, Sergei Nirenburg, H. L. Somers, and Yorick Wilks, Eds. Massachusetts: The MIT Press, pp. 131-135, 2003.

73. Ivanova R. A., Rotanova M. B., Ivanov A. V., Prokhorova M. V., Philippova S. Y. Manipulative IT and Verbal Strategies in Scientific and Technical Advertising. International Conference on Quality Management, Transport and

Information Security, Information Technologies (IT&QM&IS), 2021, pp. 644647, https://doi.org/10.1109/ITQMIS53292.2021.9642743.

74. Ivleva, M., Melekhina, E. Cloud Platform SmartCAT in Teaching Future Translators. In: Linguistic and Cultural Studies: Traditions and Innovations. Advances in Intelligent Systems and Computing 677, Springer International Publishing AG, pp. 155-160, 2018. https://doi.org/10.1007/978-3-319-67843-6 19.

75. Jiao Wenxiang, Wang Wenxuan, Huang Jen-tse, Wang Xing, Tu Zhaopeng. Is ChatGPT A Good Translator? A Preliminary Study, 2023. https://doi.org/10.48550/arXiv.2301.08745.

76. Jooste W., Haque R., Way A., Koehn P. Neural Machine Translation. Machine Translation 35, pp. 289-299, 2021. https ://doi.org/10.1007/s10590-021-09277-x.

77. Karpinska P. Computer Aided Translation - possibilities, limitations and changes in the field of professional translation. Journal of Education Culture and Society. 8. pp.133-142, 2017. https://doi.org/10.15503/jecs20172.133.142.

78. Kay M. The Proper Place of Men and Machines in Language Translation. Machine Translation 12, pp. 3-23, 1997. https://doi.org/10.1023/A:1007911416676.

79. Ke Wang, Jiayi Wang, Niyu Ge, Yangbin Shi, Yu Zhao, Kai Fan. Computer Assisted Translation with Neural Quality Estimation and Automatic Post-Editing. In Findings of the Association for Computational Linguistics: EMNLP 2020, pp. 2175-2186, Online. Association for Computational Linguistics. https://doi.org/10.18653/v1/2020.findings-emnlp.197.

80. Koehn P. Statistical Machine Translation. — Cambridge: Cambridge University Press, 2010. — p. 15. — ISBN 9780521874151.

81. Khurana D. Koli, A., Khatter, K. et al. Natural language processing: state of the art, current trends and challenges. Multimed Tools Appl 82, pp. 3713-3744, 2023. https://doi.org/10.1007/s11042-022-13428-4.

82. Lindroth H. Das Sprachgefuhl. Vernachlassigster Begrief Indogermanische Forschungen, pp. 377-390, 1937.

83. Melby Alan K., Warner C. Terry. The Possibility of Language a Discussion of the Nature of Language, with Implications for Human and Machine Translation. John Benjamins Publishing, 1995. ISBN: 9789027283573 https://doi.org/10.1075/btl.14.

84. Mikolov T., Chen K., Corrado G., Dean J. Efficient Estimation of Word Representations in Vector Space // In Proceedings of Workshop at ICLR. — 2013a.

85. Muegge U. (2012). The silent revolution: Cloud-based translation management systems. Available at: http:// www.tcworld.info/e-magazine/content-strategies/article/the-silent-revolution-cloud- based-translation-memorysystems. (accessed 21 March 2022).

86. Mueller J. Term Formation in German Logistics Terminology (словообразование в немецкоязычной терминологии логистики) (February 18, 2022). Available at SSRN: https://ssrn.com/abstract=4038329.

87. Nagao M. «A framework of a mechanical translation between Japanese and English by analogy principle». In A. Elithorn and R. Banerji. Artificial and Human Intelligence, 1984. Архивная копия от 6 февраля 2012 на Wayback Machine (PDF). Elsevier Science Publishers.

88. NagaoM. Machine translation: How far can it go? Kyoto University, Translated by Norman Cook, Oxford University Press, 1989.

89. Nagao M. A New Method of N-gram Statistics for Large Number of n and Automatic Extraction of Words and Phrases from Large Text Data of Japanese / M. Nagao, S. Mori // Proceedings of the 15th International Conference on Computational Linguistics (COLING 1994). - Kyoto, Japan, 1994. - pp. 611-615.

90. Nirenburg S. (1989). "Knowledge-Based Machine Translation". Machine Trandation 4 (1989), 5 - 24. Kluwer Academic Publishers. 4 (1): pp. 5— 24. JSTOR 40008396.

91. Olive J., Christianson C., McCary J. (ed.). Handbook of natural language processing and machine translation: DARPA global autonomous language exploitation. - Springer Science & Business Media, 2011.

92. Potapova R.K., Potapov V.V. Some elaboration methods for written and spoken multilingual databases. Moscow University Philology Bulletin 3, 71-91, 2019.

93. Potapova R., Potapov V., Kuzmin O. (2023). A New Software Approach to Automated Translation (On the Example of the Logistics Sublanguage). In: Yadav, A., Nanda, S.J., Lim, MH. (eds) Proceedings of International Conference on Paradigms of Communication, Computing and Data Analytics. PCCDA 2023.

Algorithms for Intelligent Systems. Springer, Singapore. https://doi.org/10.1007/978-981-99-4626-6 22.

94. Potapova R., Potapov V., Kuzmin O. (2022). Logistics Translator. Concept Vision on Future Interlanguage Computer Assisted Translation. In: Prasanna, S.R.M., Karpov, A., Samudravijaya, K., Agrawal, S.S. (eds) Speech and Computer. SPECOM 2022. Lecture Notes in Computer Science (), vol 13721. Springer, Cham. https://doi.org/10.1007/978-3-031-20980-2 49.

95. Rarenko M. Terminology dictionaries: The main concepts of Russian translation studies // Transationswissenschaft: Alte und neue Arten der Translation in Theorie und Praxis = Translation Studies: Old and New Types of Translation in Theory and Practice. Innsbruck: Peter Lang, 2012. Band 16. S. 125-130.

96. Setiaji H., Paputungan I. (2018). Design of Telegram Bots for Campus Information Sharing. IOP Conference Series: Materials Science and Engineering. 325. 012005. https://doi.org/10.1088/1757-899X/325A/012005.

97. Scott-Sabic V. Logistik-Wörterbuch. Dictionary of Logistics. Computer Science and Engineering (German Language). VDI-Buch. Springer-Verlag. Berlin Heidelberg, 2005. ISBN 978-3-540-20553-1. https://doi.org/10.1007/b137947.

98. Slocum J. Machine translation. Computers and the Humanities 19, pp. 109-116, 1985. https://doi.org/10.1007/BF02259632.

99. Somers H., Review article: Example-based Machine Translation, Machine Translation, no. 14, pp. 113—157, 1999.

100. Schwanke M. Maschinelle Übersetzung. Ein Überblick über Theorie und Praxis. Berlin: Springer, S. 47-67, 1991.

101. Turing A. M., I. — Computing Machinery and Intelligence, Mind, Volume LIX, Issue 236, October 1950, pp. 433-460, https://doi.org/10.1093/mind/LIX.236.433.

102. Weaver W. (1949): 'Translation'. Repr. in: Locke, W.N. and Booth, A.D. (eds.) Machine translation of languages: fourteen essays (Cambridge, Mass.: Technology Press of the Massachusetts Institute of Technology, 1955, pp. 15-23).

103. Zhixing Tan, Shuo Wang, Zonghan Yang, Gang Chen, Xuancheng Huang, Maosong Sun, Yang Liu, Neural machine translation: A review of methods, resources, and tools, AI Open, Volume 1, 2020, Pages 5-21, ISSN 2666-6510, https://doi.org/10.1016/j.aiopen.2020.11.001.

СПИСОК ИНТЕРНЕТ-РЕСУРСОВ

1. http://www. loglink. ru/dictionary/

2. https://www.lexicool.com/online-dictionary.asp?FSP=C38&FKW=logistics

3. https://www.scl.gatech.edu/resources/glossary/b

4. https://logistics-dictionary.com/index.php

5. http://www.logipedia.de/

6. https://www.brainscape.com/flashcards/tmfo-vocabulary-6741973/packs/107223 56

7. https://www.lis.eu/lexikon-kategorie/fachbegriff/

8. https://context.reverso.net/

9. https://translate.google.com/

10. https://www.smartcat.com/

ПРИЛОЖЕНИЕ 1. МУЛЬТИЯЗЫЧНАЯ БАЗА ДАННЫХ ЛИНГВИСТИЧЕСКИХ ЕДИНИЦ ПОДЪЯЗЫКА «ЛОГИСТИКА», А ТАКЖЕ ВАРИАНТЫ ИХ УПОТРЕБЛЕНИЯ В КОНТЕКСТЕ

№ Термин Термин Термин Пример Пример Пример

(на русском) (на английском) (на немецком) употребления в употребления употребления

контексте в контексте в контексте

(на русском) (на английском) (на немецком)

1. Электронны Electronic seals Die И наконец, Finally, Schließlich werden

е пломбы elektronische достигается significant erhebliche Fortschritte

Verschlüsse существенный progress is being bei der Entwicklung

прогресс в made in einer Reihe von

разработке ряда developing a Vorschriften erzielt,

норм, которые series of standards die zusammen einen

в совокупности that will jointly Standard für

обеспечат establish a elektronische

стандарт standard Verschlüsse für

на электронные for electronic Frachtcontainer bilden

пломбы для seals for freight werden.

грузовых containers.

контейнеров.

2. Грузовые Freight der Güterverke Однако доля However rail's Der Anteil der Schiene

перевозки transportation hr железнодорожн modal share am Güterverkehr nim

ых грузовых of freight mt dennoch nur

перевозок transportation is geringfügig zu.

практически не scarcely

увеличивается. increasing.

3. Инкотермс International International Международны International rules Internationale Regeln

Commercial Commercial е правила for interpreting für die Auslegung

Terms, Terms, толкования the terms of handelsüblicher

INCOTERMS INCOTERMS условий commercial Vertragsformeln

коммерческих contracts are werden Incoterms gen

контрактов called incoterms. annt.

называются

Инкотермс.

4. Флекситанк Flexitank Der Flexitank Флекситанк од Flexitank is a Als Flexitank

норазовая disposable elastic bezeichnet man

эластичная capacity (volume einen für die Lagerung

емкость of 10-24 million und Transport von

(объемом 10-24 liters) made of Flüssigkeiten

тысяч литров) polymer materials bestimmten

из полимерных to be used for Tankbehälter aus

материалов, transportation of Gummigewebe oder

которая liquid cargoes sonstigen flexiblen

используется inside of 20-foot Verbundwerkstoffen.

для shipping

транспортировк containers.

и жидких

грузов внутри

20-футовых

морских

контейнеров.

5. Восточный Eastern Range Östlicher Приоритетным Priority for Die vorrangigen

полигон Bereich и для РЖД Russian Railways Projekte der

являются are projects for Russischen

проекты the modernization Eisenbahnen sind die

модернизации of BAM and Modernisierung der

БАМа и Transsib (Eastern Baikal-Amur-

Транссиба Polygon), which Magistrale und der

(Восточный form the transport Transsibirischen

полигон), framework of the Eisenbahn (Östlicher

формирующие economy. Bereich), die den

транспортный Verkehrsrahmen der

каркас Wirtschaft bilden

экономики.

6. Грузовая cargo customs Die Fracht- Операции The main subject Der Hauptgegenstand

таможенная declaration Zollanmeldung должны быть matter of this dieses Schreibens ist

декларация оформлены в letter is the die Notwendigkeit, die

соответствии с necessity of Einfuhr von

требованиями verifying the Prüfmustern mit

законодательст importation of test einer sogenannten

ва (электронная samples with Fracht-

налоговая a cargo customs Zollanmeldung (GTD;

накладная, груз declaration (GTD; russisch: zu belegen.

овая Russian: The Die unterzeichnete

таможенная signed directive Direktive schreibt der

декларация, requires that the Zertifizierungsstelle

важные certification body vor, eine Kopie des

учетные store a copy of the GTD in den EAC-

записи) GTD in the EAC Zertifizierungsunterla

certification gen aufzubewahren.

documents.

7. Зона Free trade area Die В то время как While the EAC is Die EAU ist zwar

свободной Freihandelszon ЕАС по- still only a lediglich eine

торговли e прежнему customs union, Zollunion, aber die

является только the experience of Erfahrungen mit der

таможенным the European Europäischen Union

союзом, опыт Union shows that legen nahe, dass eine

Европейского a successful free erfolgreiche Freihande

Союза trade area leads lszone mit der Zeit zu

показывает, что over time to größerer

успешная зона broader wirtschaftlicher,

свободной economic, monetärer und

торговли приво monetary, and schließlich politischer

дит со ultimately Integration führt.

временем к political

более широкой integration.

экономической,

денежно-

кредитной, и в

конечном итоге

политической

интеграции.

8. Коносамент bill of lading Der Коносамент пре A bill of lading is Ein Frachtbrief ist ein

Frachtbrief дставляет собой a contract Vertragsdokument

контрактный document zwischen dem

документ between an Exporteur, Importeur

между exporter, an und Spediteur.

экспортером, importer and the

импортером и carrier.

перевозчиком.

9. Полувагоны gondola trucks Die У них есть They have the Sie haben die Lkw

Gondelwagen грузовики и trucks and und Container für den

контейнеры, containers needed speziellen Transport

необходимые for special benötigt, wenn es um

для transportation extrem große

специальных when it comes to Maschinen geht, die

перевозок, extremely large spezielle Container

когда речь идет machines that benötigen,

об очень require special wie Gondelwagen,

больших containers, such Mega Trucks bis zu 3

машинах, as gondola trucks, Meter hoch, offene

требующих mega trucks up to Tops etc.

специальных 3 meters high,

контейнеров, open tops, etc.

таких как

полувагоны,

мегагрузовики

высотой до 3

метров,

открытые

крыши и т. д.

10. Ставка Freight rate Der Frachtsatz Вы надеетесь Do you hope to Hoffen Sie, den

фрахта узнать самую know the niedrigsten Frachtsatz

низкую ставку lowest freight vor dem steigenden

фрахта до того, rate before the Preis für Ihren

как цены на rising price for chinesischen Versand

ваши китайские your Chinese zu kennen?

грузы shipments?

повысятся?

11. Условия Terms of delivery Die Условия The terms of Die von der

поставки Lieferbedingu поставки, delivery issued by Internationalen

ngen установленные the International Handelskammer

Международно Chamber of herausgegebenen

й торговой Commerce Lieferbedingungen

палатой, regulate essential regeln wesentliche

регулируют buyer and seller Pflichten von Käufer

основные obligations in und Verkäufer im

обязательства international internationalen

покупателя и trade, such as Handel, wie z. B. die

продавца в transfer of goods Übergabe der Ware an

международной to the buyer, den Käufer,

торговле, такие transport costs, Transportkosten,

как передача liability for loss Haftung bei Verlust

товара of and damage to und Beschädigung der

покупателю, goods, and Ware sowie

транспортные insurance costs. Versicherungskosten.

расходы,

ответственност ь за утрату и повреждение товара, а также расходы на страхование.

12. ФОБ (франко-борт) FOB (free on board) FOB Поставки во все страны мира на условиях ФОБ плюс стоимость доставки. Supplies to all countries worldwide on basis FOB plus shipping costs. Nach allen Ländern liefern wir auf Basis FOB plus Frachtkosten

13. Частота поставки Delivery frequency Die Lieferfrequenz Калькулятор позволяет рассчитать оптимальную частоту поставок. A calculator allows to estimate the optimal delivery frequency. Ein Rechner ermöglicht es, die optimale Lieferfreque nz abzuschätzen.

14. Экспедитор Freight forwarder Die Spedition Для более крупных сумм и объемов мы нанимаем экспедитора. For larger amounts and volumes we arrange a freight forwarder. Bei größeren Volumina und Mengen beauftragen wir eine Spedition.

15. Грузоотправ итель Consignor Der Verlader Как крупнейший гр узоотправитель мы заинтересованы в справедливых портовых сборах и их конкурентоспос обности. Being a major consignor o f freight, we are interested in fair and competitive port charges. Als Großverlader sind wir an fairen Hafengebühren und deren Wettbewerbsfähigkeit interessiert.

16. Грузополуча тель Consignee Der Frachtempfang er Грузополучател ь — это сторона, указанная в транспортном документе, которая должна получить товары, груз или контейнеры. Consignee:The party such as mentioned in the transport document by whom the goods, cargo or containers are to be received. Der Frachtempfänger ist die im Transportdokument genannte Partei, die die Güter, Ladungen oder Container in Empfang nehmen soll.

17. Перевалка Transshipment Das Umladen Перевалка на другие виды транспорта (автомобильны й, ж/д) Transshipment in other means of transport (truck, railway) Umladen auf andere Verkehrsmittel (LKW, Eisenbahn)

18. Перегрузка Transloading Der Umschlag Перегрузка, хранение и логистика: крупнейший внутренний порт земли Бранденбург Transloading, storage and logistics: the largest inland port in the State of Brandenburg Umschlag, Lagerei und Logistik: größter Binnenhafen im Land Brandenburg

19. Комбиниров анный транспорт combined transport Der kombinierte Verkehr Лучшим связующим звеном между транспортом и окружающей средой служит принцип интермодально сти, а в случае грузовых перевозок наиболее удобен комбин ированный транспорт. The best link between transport and the environment is intermodality, which in the case of goods, means combined transport. Die beste Verbindung zwischen Verkehr und Umwelt ist die Intermodalität, also im Güterverkehr der kombinierte Verkehr.

20. Блок-поезд block train Der Ganzzug Одним из проектов, который имеет перспективу развития является контейнерный блок-поезд, следующий в Узбекистан через порты Актау или Курык. One of the projects that has a development perspective is the container block train that goes to Uzbekistan through the ports of Aktau or Kuryk. Eines der Projekte mit Entwicklungsperspekti ve ist ein ContainerGanzzug, der über die Häfen Aktau oder Kuryk nach Usbekistan fährt.

21. Логистика наливных/на сыпных грузов bulk logistics Der Massengutlogi stik Ее называют революцией в логистике насыпных грузов, и Рижский порт является первым портом в Европе, где используется эта технология. This technology is often called a revolution in bulk logistics and the Port of Riga is the first port in Europe to use it. Man spricht von einer Revolution in der Massengutlogistik und der Hafen von Riga ist der erste Hafen in Europa, der diese Technologie nutzt.

22. Контейнерн ые перевозки container traffic Der Containerverk ehr Мы поддерживаем и укреплять хорошие отношения со всеми We maintain and strengthen good relationships with all international cont ainer Wir pflegen und stärken gute Beziehungen zu allen internationalen Containerverkehrunter nehmen in den für uns

международны ми операторами ко нтейнерных перевозок на рынках, представляющи х интерес. traffic operators on markets of interest. interessanten Märkten.

23. грузовой терминал freight terminal Die Umschlagsanla ge На ней расположено локомотивное депо, грузовой терминал. It has an important diesel-powered locomotives depot and a freight terminal. Es beherbergt ein Lokomotivdepot und eine Umschlagsanlage

24. Контрейлер ные перевозки Piggyback transportation Der Huckepackver kehr Возврат налога на механические транспортные средства для транспортных средств, используемых в контрейлерны х перевозках. Refund of motor vehicle tax for vehicles used in piggyback trans portation. Kfz- Steuerrückerstattung für Fahrzeuge, die im Huckepackverkehr eingesetzt werden.

25. Трубопрово дный транспорт Pipeline transport Transport in Rohrleitungen Трубопроводны й транспорт включает в себя транспортировк у грузов по трубопроводам, например, транспортировк у нефти и сопутствующих продуктов, воды и газа. Pipeline transport covers the transport of goods in pipelines, such as the transport of petroleum and related products, water and gas. Transport in Rohrleitungen umfasst den Transport von Waren in Rohrleitungen, z. B. von Erdöl und verwandten Erzeugnissen, Wasser und Gas.

26. Железнодор ожный узел Railway junction Der Eisenbahnknot en Как железнодорожн ый узел он принимает пассажирские и грузовые перевозки по трем направлениям. As a railway junction it takes up passenger and freight traffic from three directions. Als Eisenbahnknoten nimmt sie den Personen- und Güterverkehr aus drei Richtungen auf.

27. Железнодор ожный транспорт rail transport Der Schienenverke hr Грузовому перевозчику мало что следует The freighter can expect little from rail transport over the Der Verlader hat in den nächsten Jahren wenig vom Schienenverkehr

ожидать от железнодорожн ого транспорта в ближайшие годы. coming years. zu erwarten.

28. дедвейт deadweight Das Eigengewicht Их относительно высокий дедвейт компенсируетс я использование м улучшенных материалов, обладающих максимальной прочностью. Their relatively high deadweight i s offset by the use of improved materials with maximum strength. Ihrem relativ hohen Eigengewicht st eht der Einsatz von verbesserten Werkstoffen mit höchster Festigkeit gegenüber.

29. Устройства крепления груза load securing devices. Die Ladungssicher ung Все наши транспортные средства, используемые для перевозки, оснащены устройствами крепления груза. All our vehicles used for transportation are equipped with load securing devices. Die von uns eingesetzten Lastzüge sind mit Vorrichtungen zur Ladungssicherung ausgestattet.

30. Железнодор ожная колея Track gauge Die Spurweite Подходит для использования на всех профилях рельсов и железнодорожн ых колеях. Suitable for use on all rail profiles and track gauges. Einsetzbar auf allen Schienenprofilen und Spurweiten.

31. Цепочка поставок Supply chain Die Lieferketter Таким образом, доходы внутри цепочки поставок распределяются справедливо. In this way, earnings within the supply chain are distributed fairly. Auf diese Weise werden die Gewinne innerhalb der Lieferkette gerecht verteilt.

32. Транссибир ская магистраль Trans-Siberian Landbridge Die Transsibirische Eisenbahn Этот участок относится к Транссибирско й магистрали. This section corresponds to the Trans-Siberian Railway. Dieser Streckenabschnitt entspricht der Transsibirischen Eisenbahn.

33. двадцатифу товая эквивалентн а единица (ДФЭ) twenty-foot equivalent unit (TEU) 20-Fuß- Einheiten (TEU) Он имеет контейнерные мощности, способные обрабатывать более шести миллионов It has container facilities capable of handling over six million twenty-foot equivalent units (TEUs), a unit of Er hat ContainerAnlagen, mit denen mehr als sechs Millionen 20-Fuß-Einheiten (TEU), eine Einheit für Frachtkapazität,

двадцатифутов ых эквивалентных единиц (ТЕи), единицу грузоподъемно сти. cargo capacity. abgefertigt werden können.

34. Логистическ ая операция Logistic operation Die logistische Operation Благодаря высококачестве нным данным нашей телематической платформы вы получите представление о своей логистической операции и, таким образом, сможете контролировать ее. With high-quality data from our telematics platform, you will gain insight into -and thus control over - your logistic operation. Mit den qualitativ hochwertigen Daten aus unserer Telematik-Plattform erhalten Sie Einsicht in - und damit ein Verständnis für -Ihre logistische Operation.

35. Морские контейнерн ые перевозки maritime container shippin g Die Seecontain erschifffahrt Этот индекс является ранним индикатором мировой торговли и морских контейнерных перевозок. This index is an early indicator for world trade and maritime container shippin g. Dieser Index ist ein Frühindikator für den Welthandel und die Seecontainerschiff fahrt.

36. электронны й обмен данными electronic data interchange (EDI) Der elektronische Datenaustausc h (EDI) IDocs также особенно важны для электронного обмена данными (ЭОД) с внешними поставщиками и клиентами. IDocs are also particularly relevant in electronic data interchange (EDI) with external suppliers and customers. IDoc spielen auch beim elektronischen Datenaustausch (EDI) mit externen Lieferanten und Kunden eine wichtige Rolle.

37. Декларация об опасных грузах dangerous goods declaration Der elektronische Gefahrgutdekl aration Первая партия с электронной декларацией об опасном грузе была успешно отправлена в середине сентября 2018 года. The first shipment with an electronic danger ous goods declaration was successfully shipped in mid-September 2018. Mitte September 2018 wurde die erste Sendung mit elektronischer Gefahrg utdeklaration erfolgrei ch versendet.

38. Рефрижерат reefer cargo Das Kühlgut Контейнеры Containers are Container werden in

орный груз предлагаются offered in verschiedenen

(рефгруз) разных different Abmessungen und den

размеров и dimensions and unterschiedlichsten

типов: для types: for dry Typen angeboten: Für

сыпучих goods, unwieldy Trockenware, sperrige

грузов, loads, heavy Lasten, Schwergut,

негабаритных cargo, bulk goods, Schüttgut,

грузов, liquids, reefer Flüssigkeiten, Kühlgut

тяжеловесных cargo.

грузов,

сыпучих

грузов,

жидкостей,

рефрижераторн

ых грузов.

39. Рампа «Ро- RoRo-ramp Die Ro-Ro- Новый The new terminal Das neue Terminal

ро» Rampe терминал будет will consist of wird aus zwei

состоять из two berths with a Liegeplätzen mit einer

двух причалов minimum depth Mindesttiefe von 5

минимальной of 5 meters and Metern und einer Ro-

глубиной 5 a RoRo-ramp, and Ro-Rampe bestehen

метров и рампы will allow the und in der Lage sein,

«Ро-ро» и operation of alle Arten von Fracht

позволит diverse types of und Containern

обрабатывать containers and abzufertigen.

все типы грузов cargo goods.

и контейнеров.

40. международ international Die Если If an international Wird eine

ное postal item internationale разыскивается postal internationale

почтовое Postsendung международное item without Postsendung ohne

отправление почтовое notification of Empfangsbestätigung

отправление бе delivery CN07 is CN07 angefordert,

з уведомления searched, the wird die

о вручении corresponding fee entsprechende Gebühr

СШ7, will be paid gemäß den aktuellen

уплачивается according to the Tarifen entrichtet.

соответствующ applicable tariffs

ая плата

согласно

действующим

тарифам.

ПРИЛОЖЕНИЕ 2. ПРОГРАММНЫЙ КОД ЦИФРОВОГО

ГЛОССАРИЯ

package main

import ( "os"

"github.com/LarsFox/logistics-translator/server"

)

func main() {

s := server.New(

os.Getenv("LOGISTICS_TRANSLATOR_GLOSSARY_PATH"), os.Getenv("LOGISTICS_TRANSLATOR_HTML_PATH"),

os.Getenv("LOGISTICS_TRANSLATOR_PYTHON_SCRIPTS_PATH"), )

s.Listen(":9090")

}

// server/glossary.go package server

import ( "os"

"strings"

)

func newGlossary(path string) ([]glossaryTerm, error) { b, err := os.ReadFile(path) if err != nil {

return nil, err

glossary := []glossaryTerm{| for _, line := range strings.Split(string(b), "\n") { separated := strings.Split(line, ";") if len(separated) != 5 { continue

}

glossary = append(glossary, glossaryTerm{ lang: separated[0], term: strings.ToLower(separated[1]), gloss: separated[2], example: separated[3], definition: separated[4],

})

}

return glossary, nil

}

func (s *Server) findExample(text, lang string) string { text = strings.ToLower(text) for _, g := range s.glossary {

if g.lang == lang && g.term == text { return g.example + "\n"

}

}

return ""

}

func (s *Server) findGloss(text, lang string) string { text = strings.ToLower(text) for _, g := range s.glossary {

if g.lang == lang && g.term == text { return g.gloss

}

}

return "—"

}

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.