Texto colocado junto a su traducción o traducciones.
Un texto paralelo es un texto colocado junto a su traducción o traducciones. [1] [2] La alineación del texto paralelo es la identificación de las oraciones correspondientes en ambas mitades del texto paralelo. La Biblioteca Clásica Loeb y la Biblioteca Sánscrita Clay son dos ejemplos de series de textos en dos idiomas. Las Biblias de referencia pueden contener los idiomas originales y una traducción, o varias traducciones por sí mismas, para facilitar la comparación y el estudio; La Hexapla de Orígenes (que en griego significa "séxtuple") colocó seis versiones del Antiguo Testamento una al lado de la otra. Un ejemplo famoso es la Piedra Rosetta , cuyo descubrimiento permitió comenzar a descifrar el idioma del Antiguo Egipto .
Las grandes colecciones de textos paralelos se denominan corpus paralelos (ver corpus de texto ). Las alineaciones de corpus paralelos a nivel de oración son un requisito previo para muchas áreas de la investigación lingüística . Durante la traducción, el traductor puede dividir, fusionar, eliminar, insertar o reordenar oraciones. Esto hace que la alineación sea una tarea no trivial.
Los corpus paralelos se pueden clasificar en cuatro categorías principales: [ cita necesaria ]
Un corpus paralelo contiene traducciones del mismo documento en dos o más idiomas, alineadas al menos a nivel de oración. Estos tienden a ser más raros que los corpus menos comparables. [ cita necesaria ]
Un corpus paralelo ruidoso contiene oraciones bilingües que no están perfectamente alineadas o tienen traducciones de mala calidad. Sin embargo, la mayor parte de su contenido son traducciones bilingües de un documento específico.
Se construye un corpus comparable a partir de documentos bilingües no alineados con oraciones y sin traducir, pero los documentos están alineados con temas.
Un corpus casi comparable incluye documentos bilingües muy heterogéneos y no paralelos que pueden o no estar alineados por temas.
Ruido en corpus
Los grandes corpus utilizados como conjuntos de entrenamiento para algoritmos de traducción automática generalmente se extraen de grandes corpus de fuentes similares, como bases de datos de artículos de noticias escritos en el primer y segundo idioma que describen eventos similares.
Sin embargo, los fragmentos extraídos pueden ser ruidosos, con elementos adicionales insertados en cada corpus. Las técnicas de extracción pueden diferenciar entre elementos bilingües representados en ambos corpus y elementos monolingües representados en un solo corpus para extraer fragmentos paralelos más limpios de elementos bilingües. Los corpus comparables se utilizan para obtener directamente conocimientos con fines de traducción. Sin embargo, es difícil obtener datos paralelos de alta calidad, especialmente en el caso de lenguas con escasos recursos. [4]
Bitexto
En el campo de los estudios de traducción , un bitexto es un documento fusionado compuesto por versiones en el idioma de origen y de destino de un texto determinado.
Los bitextos se generan mediante un software llamado herramienta de alineación , o herramienta bitexto , que alinea automáticamente las versiones original y traducida del mismo texto. La herramienta generalmente relaciona estos dos textos frase por frase. Una colección de bitextos se denomina base de datos bitexto o corpus bilingüe , y puede consultarse con una herramienta de búsqueda.
Bitextos y memorias de traducción
Los bitextos tienen algunas similitudes con las memorias de traducción. La diferencia más destacada es que una memoria de traducción pierde el contexto original, mientras que un bitexto conserva el orden de las oraciones originales. Dicho esto, algunas implementaciones de memorias de traducción, como Translation Memory eXchange (TMX), un formato XML estándar para intercambiar memorias de traducción entre programas de traducción asistida por computadora (CAT), permiten preservar el orden original de las oraciones.
Los bitextos están diseñados para ser consultados por un traductor humano , no por una máquina. Como tal, los pequeños errores de alineación o las discrepancias menores que provocarían el fallo de una memoria de traducción no tienen importancia.
En su artículo original de 1988, Harris también postuló que el bitexto representa cómo los traductores mantienen juntos sus textos de origen y de destino en sus memorias de trabajo mentales a medida que avanzan. Sin embargo, esta hipótesis no ha sido seguida. [5]
Los bittextos en línea y las memorias de traducción también pueden denominarseConcordancias bilingües en línea. Varios están disponibles en la Web pública, incluidos Linguée , Reverso y Tradooit. [6] [7] [8]
^ Chan, Sin-Wai (2015). Enciclopedia de tecnología de traducción de Routledge. Londres: Routledge. ISBN 978-1-315-74912-9.
^ Williams, Felipe; Sennrich, Rico; Publicar, Matt; Koehn, Philipp (2016). Traducción automática estadística basada en sintaxis. Morgan y Claypool. ISBN978-1-62705-502-4.
^ Abdallah, A. (2021). Impacto del uso de la estrategia de texto paralelo en la enseñanza de la lectura a estudiantes de nivel intermedio II. Revista Internacional de Ciencias Sociales y de la Educación (IJonSES), 3(1), 95-108. https://doi.org/10.46328/ijonses.48
^ Wołk, Krzysztof (2015). "Metodología de filtrado de corpus comparables y paralelos ruidosos para la extracción de datos equivalentes bilingües a nivel de oración". Ciencias de la Computación . 16 (2): 169–184. arXiv : 1510.04500 . Código Bib : 2015arXiv151004500W. doi : 10.7494/csci.2015.16.2.169 . S2CID 12860633.
^ Harris, B. (marzo de 1988). "Bi-Texto, un nuevo concepto en la teoría de la traducción" (PDF) . Idioma Mensual . 54 : 8–10. Archivado desde el original (PDF) el 2 de marzo de 2018.
^ Genette, Marie (2016). ¿Qué tan confiables son los concordanciadores bilingües en línea? Una investigación de Linguee, TradooIT, WeBiText y ReversoContext y su confiabilidad mediante un análisis contrastivo de preposiciones complejas del francés al inglés (tesis de maestría). Université catholique de Louvain & Universitetet i Oslo. hdl : 10852/51577 .
^ "TradooIT - Concordancia bilingüe".
^ Désilets, Alain; Farley, Benoît; Stojanović, Marta; Patenaude, Geneviève (2008). WeBiText: creación de grandes memorias de traducción heterogéneas a partir de contenido web paralelo . Actas de la Traducción y la Computación. vol. 30. págs. 27-28. S2CID 14586900.
enlaces externos
Corpus paralelos
El corpus paralelo multilingüe JRC-Acquis del cuerpo total de la legislación de la Unión Europea (UE): Acquis Communautaire con 231 pares de idiomas. [1]
Corpus paralelo de actas del Parlamento Europeo 1996-2011
El proyecto Opus tiene como objetivo recopilar corpus paralelos disponibles gratuitamente
Corpus bilingüe japonés-inglés de artículos de Kioto de Wikipedia archivados el 22 de agosto de 2012 en Wayback Machine.
COMPARA – Corpus paralelos portugués/inglés
BÚSQUEDA DE TÉRMINOS: corpus paralelos en inglés/ruso/francés (principales tratados, convenciones, acuerdos, etc.
TradooIT – Inglés/Francés/Español – Herramientas gratuitas en línea
Nunavut Hansard - corpus paralelo inglés/inuktitut
ParaSol: un corpus paralelo de lenguas eslavas y otras
Glosbe: corpus paralelos multilenguaje Archivado el 27 de mayo de 2013 en Wayback Machine con interfaz de búsqueda online
InterCorp: un corpus paralelo multilingüe, 40 idiomas alineados con el checo, interfaz de búsqueda en línea
myCAT – Olanto, concordancia (AGPL de código abierto) con búsqueda en línea en corpus JCR y UNO
TAUS, con interfaz de búsqueda online.
linguatools corpus paralelos multilingües, interfaz de búsqueda en línea.
Language Grid: plataforma de servicios multilingüe que incluye servicios de texto paralelo
Documentación
Bibliografía de procesamiento de textos paralelos de J. Veronis y M.-D. mahimón
Actas del taller de 2003 sobre construcción y uso de textos paralelos
Actas del taller de 2005 sobre construcción y uso de textos paralelos
Herramientas de alineación
Herramienta de alineación GIZA++ (1999)
Uplug - herramientas para procesar corpus paralelos (2003)
Una implementación del algoritmo de alineación de oraciones de Gale y Church (2005)
El alineador de oraciones Hunalign (2005)
Champollón (2006)
MALIGNa (2008-2020)
Alineador de oraciones Gargantua (2010)
Bleualign: alineación de oraciones basada en traducción automática (2010)
Yasa (2013)
Herramienta de alineación jerárquica (HAT) (2018) Archivado el 5 de julio de 2020 en Wayback Machine.
Algoritmo de alineación de oraciones Vecalign (2019)
Herramienta de alineación web en la Universidad de Grenoble
^ Ralf, Ralf Steinberger; Pouliquén, Bruno; Widiger, Anna; Ignat, Camelia; Erjavec, Tomaž; Tufiş, Dan; Varga, Daniel (2006). "El JRC-Acquis: un corpus paralelo alineado multilingüe con más de 20 idiomas ". Actas de la Quinta Conferencia Internacional sobre Evaluación y Recursos Lingüísticos (LREC'2006). Génova, Italia, 24 a 26 de mayo de 2006.