ابهام‌زدايي واژگاني صفات چندمعنايي در ترجمه ماشيني: بررسي پيكره‌ـ ‌بنياد

Lexical Disambiguation of Polysemeous Adjectives in Machine Translation: A Corpus Based Study

موضوع ابهام در معاني واژه‌ها و ساختار‌ها و چگونگي برطرف‌كردن آن به‌ويژه هنگام ترجمه ماشيني، ذهن بسياري از محققان را در اين حوزه به خود مشغول داشته و براي آن راهكار‌هاي گوناگوني ارايه شده است. صفات و نام‌هاي مبهم با تعدد معاني خود دشواري‌هايي را در ترجمه‌ ماشيني به‌ وجود مي‌آورند. در برنامه‌هاي خودكار كه اراده انساني در انتخاب معادل دخالتي ندارد، اين موضوع عيان‌تر است. ماشين نمي‌تواند بر اساس بافت به‌صورت خودكار بهترين معادل را انتخاب كند، حال آنكه، به‌كمك زبان‌شناسي رايانه‌اي و به‌كارگيري پيكره‌ها اين امر ممكن است. در اين مقاله بر آنيم تا به ابهام موجود در واژه‌ها بپردازيم. در پژوهش حاضر، به‌منظور اثبات اين توانايي از ميان دو مقوله اسم و صفت، صفات را براي بررسي انتخاب كرديم. براي اين كار كليه صفات انگليسي موجود در يك فرهنگ متوسط (فرهنگ هزاره) را به‌همراه معاني متعدد آنها استخراج كرده و ضبط كرديم، سپس آنها را در يك كشف‌اللغات موازي انگليسي به فارسي قرار داديم و جملاتي را كه اين صفات در آنها به كار رفته بودند، ضبط كرده و آنها را همراه با بافت و معنا استخراج نموديم و فهرستي به‌صورت كشف‌اللغات تهيه كرديم. برنامه‌اي براي اين كشف‌اللغات نوشته شد به‌گونه‌اي كه به‌هنگام ترجمه، از ميان معاني موجود بالاترين بسامد معنايي به‌همراه با‌هم‌آيي و بدون آن به‌عنوان معادل انتخاب شود. معادل‌هاي انتخاب‌شده را مترجمان انساني نيز آزمودند و نتايج نشان داد كه در بيش از 50 درصد از موارد، معادل‌هاي انتخاب‌شده از سوي مترجمان با آنچه كه برنامه ابهام‌زدايي انتخاب كرده بود، يكسان و يا بسيار نزديك بودند. نتايج حاصل از اين پژوهش در امر ترجمه ماشيني، بازيابي اطلاعات دوزبانه، ايجاد شبكه‌هاي واژگاني و آموزش زبان فارسي سودمند خواهد بود.

Ambiguous nouns and adjectives are words with more than one meaning. Having several meanings creates problems in MT particularly in automatic programs where human plays no role in choosing the equivalent target word and there is no context available to the machine. One of the ways to solve the problem is to provide the machine with proper and enough contexts; here by context we mean the collocations of a word. In order to show this we chose English adjectives for our study. We extracted polysemous adjectives from a bilingual English-Persian Medum Dictionary (Hezareh) and checked them all in a bilingual parallel English-Persian Corpus to get the context and collocations for each adjective. Then we recorded all the adjectives with their associate words, context and the meaning provided by the corpus. Then a concordance was created out of these adjectives and their equivalents along with their collocations and a disambiguating program was written for it, so that it could choose the best equivalent for the target adjective according to the highest meaning frequency of the given adjective or its collocation. This program’s reliability was tested by using five translators. Their choices were compared through a statistical method (Cronbach alpha) and their covariance was calculated by SPSS software. The results show that in more than %50 of the cases translators’ choices were the same as the program’s choices. The results of this study could be helpful in MT, bilingual information retrieval, word nets and even in teaching Persian to foreigners.