Verbraucherschutz in maschineller Übersetzung
In: Versicherungsmagazin, Band 71, Heft 6, S. 56-56
ISSN: 2192-8622
2011 Ergebnisse
Sortierung:
In: Versicherungsmagazin, Band 71, Heft 6, S. 56-56
ISSN: 2192-8622
Nach der Erörterung spezifischer Fragen der maschinellen bzw. computergestützten Übersetzung kehren wir hier zur allgemeineren Frage der Mehrsprachigkeit von Fachinformation zurück. Dabei sollen auch Fragen einer möglichen, das Problem der Mehrsprachigkeit einbeziehenden Fachinformationspolitik in der Bundesrepublik Deutschland und in der Europäischen Gemeinschaft gestellt und kurz begründet werden. Die angesprochenen Themen erheben keinesfalls den Anspruch auf Vollständigkeit, auch bedeuten sie keine Kritik an den laufenden Aktivitäten der Bundesregierung bzw. der Europäischen Gemeinschaft, sondern gewichten diese unter dem allgemeinen Aspekt der Überwindung von Sprachbarrieren.
BASE
In: Fachkommunikation
In: Sprache im Umbruch: politischer Sprachwandel im Zeichen von "Wende" und "Vereinigung", S. 135-150
Die Studie dokumentiert die Schwierigkeit des Übersetzers, den Hintersinn der politischen Losungen der Wende-Zeit der DDR in einer fremden Sprache wiederzugeben. Kontext- und enzyklopädisches Wissen des Übersetzers, der zutreffend über Unübersetzbares entscheiden muß, sind unerläßlich zur Vermeidung von Übertragungsfehlern und damit einer falschen Darstellung der historischen Ereignisse. Die Begriffe "Wende" und "Dialog" haben sich in ihren DDR-Konnotationen als unübersetzbar erwiesen. Primär- und Sekundärquellen wurden verwertet. (ICB)
In: Ästhetik & Kommunikation, Band 25, Heft 92, S. 4-6
ISSN: 0341-7212
In: Passagen Philosophie
Mit dem Europäischen Patent einheitlicher Wirkung (EPeW) versucht die EU erneut, einen einheitlichen Patentschutz zu schaffen und setzt dabei erstmals auf maschinelle Übersetzungen, um Patentschriften rascher und kostengünstiger in allen erforderlichen Sprachen zur Verfügung zu stellen. Die EU hat dafür in Zusammenarbeit mit Google den Übersetzungsdienst Patent Translate entwickelt. Maschinelle Übersetzungsprogramme liefern mittlerweile bei alltagssprachlichen Texten und technischen Dokumenten wie Gebrauchsanweisungen, die durch Klarheit und Kürze gekennzeichnet sind, sehr gute Ergebnisse. Die Geschichte der maschinellen Übersetzung beginnt etwa 1946. Die wichtigsten Entwicklungsschritte und Methoden werden in der vorliegenden Arbeit dargestellt. Patentansprüche bilden den Kern einer Patenschrift und unterliegen speziellen Anforderungen aus Normen und Richtlinien hinsichtlich Form und Inhalt. Zum anderen haben sich über die Jahre bestimmte Regeln für die Form, den Inhalt und das Vokabular von Ansprüchen als Best Practice erwiesen. Die wichtigsten Anforderungen werden in der vorliegenden Arbeit dargestellt. Patentschriften sind wie Gebrauchsanweisungen technische Dokumente. In der vorliegenden Arbeit wird evaluiert, inwieweit maschinelle Übersetzungsprogramme jetzt bereits für Übersetzungen für das EPeW eingesetzt werden können. Dabei geht es einerseits um die Verfügbarkeit der nötigen Sprachpaare und andererseits um die Qualität der gelieferten Übersetzungen. Anhand eines realen Beispiels mit Patentansprüchen wird die Qualität von Übersetzungen anhand des wohl populärsten Übersetzungsdienstes im Internet Google Translate und eines Startups aus Deutschland namens DeepL überprüft und verglichen. Die Evaluierung der Qualität ist zweigeteilt. Im ersten allgemeinen Teil werden die Übersetzungen hinsichtlich Lexik, Syntax und Semantik untersucht. Im zweiten speziellen Teil werden die Übersetzungen hinsichtlich der Anforderungen an Patent ; eingereicht von Dipl.-Ing. (FH) Josef Gruber ; Universität Linz, Masterarbeit, 2018 ; (VLID)2751410
BASE
In: Schriftenreihe des Deutsch-Pakistanischen Forum e.V., 8
World Affairs Online
In: Heidegger studies: Heidegger Studien = Etudes Heideggeriennes = Studi Heideggeriani, Band 19, S. 179-183
ISSN: 2153-9170
In: Linguistische Arbeiten, 186
Konfigurationalit T: Zur Phrasenstrukturellen Repr Sentation Von Argumentstrukturen in Nat Rlichen Sprachen.
In: BSU international journal of humanities and social sciences, Band 2, Heft 1, S. 159-180
ISSN: 2314-8810
In: Öffentliche Theologie Band 36
Die vorliegende Diplomarbeit befasst sich mit dem Roman Herztier (1994/52009) von Herta Müller, der im rumänischen Banat geborenen deutschsprachigen Nobelpreisträgerin, und seiner slowenischen Übersetzung ?ivalsko srce (2002/22009), die vom Übersetzer Slavo ?erc angefertigt wurde.Herta Müllers Roman Herztier zeichnet eine besondere Sprache, voller Metaphern und Wortspiele, aus. In der Arbeit wird von der Hypothese ausgegangen, dass die politischen und kulturellen Spannungen, die im Original zu erkennen sind, in der slowenischen Übersetzung an Gewicht verlieren und dadurch auch der Inhalt verändert dargestellt wird. Es wird auch davon ausgegangen, dass komplexe Textteile, die Zweideutigkeit ausstrahlen, ohne größere Anpassungen übernommen wurden und dadurch einige der Botschaften der Autorin in der Übersetzung nicht erkennbar sind bzw. an Bedeutung verlieren. Dadurch wirkt ? so meine Annahme ? die Übersetzung deutlich neutraler als das Original.Um die vorliegende Hypothese zu beweisen, wurde in der Arbeit eine Übersetzungsanalyse anhand des CSI-Analysemodells von Javier Franco Aixelá vorgenommen. Die Analyse wurde in verschiedene Themengebiete unterteilt und besteht insgesamt aus 15 Beispielen. Anhand der Beispiele ist mittels des Analyseinstrumentariums von Franco Aixelá vorrangig die Tendenz des Übersetzers zu Übersetzungsstrategien der Gruppe substitution zu erkennen. Daraus ist zu schließen, dass ?erc durch die gewählten Strategien kulturelle Manipulation verstärkt betrieben hat, um Herztier den slowenischen LeserInnen nahe zu bringen. Anhand der Analyseergebnisse ist ersichtlich, dass die Übersetzung sachlicher gestaltet ist und Müllers spezifischer Sprachstil nur schwer wiedererkennbar ist. Die ermittelten Ergebnisse bestätigen somit die eingangs formulierte Hypothese. ; The present study examines the novel Herztier (1994/52009), written by Nobel Prize winner Herta Müller, born in the Banat region of Romania. It further deals with the novel?s translation into the Slovene language entitled ?ivalsko srce (2002/22009), produced by the translator Slavo ?erc.Herta Müller?s novel Herztier is characterized by a unique language, full of metaphors and wordplays. The thesis is grounded on the hypothesis that the political and cultural tensions of the original decrease in the Slovenian translation which consequently leads to the content being presented in a modified way. Further on, it is also assumed that complex text segments which indicate ambiguity have been adopted without any mayor adaptations. Consequently, some of the author?s ideas are no longer recognizable or have lost their meaning. My assumption is that, as a result, the translation appears ultimately more neutral than the original. To prove this hypothesis, a translation analysis based on the CSI-analysis by Javier Franco Aixelá has been performed. The analysis has been divided into different topics and consists of 15 examples. Based on these examples, the Franco Aixelá?s analytical tool indicated the tendency of the translator to apply the translation strategy of ?subtitution?. This leads to the conclusion that, by applying the chosen strategies, ?erc has increasingly culturally manipulated the text in order to bring the novel Herztier closer to the Slovenian readership. The results of the analysis suggest that the translation has been completed in a more factual manner and that Müller?s specific language style is hardly recognizable. The results of this analysis thus confirm the hypothesis stated above. ; vorgelegt von Diana Ekart ; Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers ; Zsfassung in engl. Sprache ; Graz, Univ., Dipl.-Arb., 2011 ; (VLID)213340
BASE
Machine Translation denotes the translation of a text written in one language into another language performed by a computer program. In times of internet and globalisation, there has been a constantly growing need for machine translation. For example, think of the European Union, with its 24 official languages into which each official document must be translated. The translation of official documents would be less manageable and much less affordable without computer-aided translation systems. Most state-of-the-art machine translation systems are based on statistical models. These are trained on a bilingual text collection to "learn" translational correspondences of words (and phrases) of the two languages. The underlying text collection must be parallel, i.e. the content of one line must exactly correspond to the translation of this line in the other language. After training the statistical models, they can be used to translate new texts. However, one of the drawbacks of Statistical Machine Translation (SMT) is that it can only translate words which have occurred in the training texts. This applies in particular to SMT systems which have been designed for translating from and to German. It is widely known that German allows for productive word formation processes. Speakers of German can put together existing words to form new words, called compounds. An example is the German "Apfel + Baum = Apfelbaum" (="apple + tree = apple tree"). Theoretically there is no limit to the length of a German compound. Whereas "Apfelbaum" (= apple tree") is a rather common German compound, "Apfelbaumholzpalettenabtransport" (= "apple|tree|wood|pallet|removal") is a spontaneous new creation, which (probably) has not occurred in any text collection yet. The productivity of German compounds leads to a large number of distinct compound types, many of which occur only with low frequency in a text collection, if they occur at all. This fact makes German compounds a challenge for SMT systems, as only words which have occurred in the parallel training data can later be translated by the systems. Splitting compounds into their component words can solve this problem. For example, splitting "Apfelbaumholzpalettenabtransport" into its component words, it becomes intuitively clear that "Apfel" (= "apple"), "Baum" (= "tree"), "Palette" (= "palette") and "Abtransport" (= "removal") are all common German words, which should have occurred much more often in any text collection than the compound as a whole. Splitting compounds thus potentially makes them translatable part-by-part. This thesis deals with the question as to whether using morphologically aware compound splitting improves translation performance, when compared to previous approaches to compound splitting for SMT. To do so, we investigate both translation directions of the language pair German and English. In the past, there have been several approaches to compound splitting for SMT systems for translating from German to English. However, the problem has mostly been ignored for the opposite translation direction, from English to German. Note that this translation direction is the more challenging one: prior to training and translation, compounds must be split and after translation, they must be accurately reassembled. Moreover, German has a rich inflectional morphology. For example, it requires the agreement of all noun phrase components which are morphologically marked. In this thesis, we introduce a compound processing procedure for SMT which is able to put together new compounds that have not occurred in the parallel training data and inflects these compounds correctly – in accordance to their context. Our work is the first which takes syntactic information, derived from the source language sentence (here: English) into consideration for our decision which simple words to merge into compounds. We evaluate the quality of our morphological compound splitting approach using manual evaluations. We measure the impact of our compound processing approach on the translation performance of a state-of-the-art, freely available SMT system. We investigate both translation directions of the language pair German and English. Whenever possible, we compare our results to previous approaches to compound processing, most of which work without morphological knowledge. ; Der Begriff Maschinelle Übersetzung beschreibt Übersetzungen von einer natürlichen Sprache in eine andere unter Zuhilfenahme eines Computers oder Computerprogramms. In Zeiten des Internets und zunehmender Globalisierung sind maschinelle Übersetzungssysteme allgegenwärtig geworden. Man denke nur an die Europäische Union, mit ihren 24 offiziellen Amtssprachen, in welchen jedes offizielle EU-Dokument vorliegen muss. Die Übersetzungen offizieller Dokumente wären ohne computer-gestützte Systeme kaum zu bewältigen, vor allem aber wären sie unbezahlbar. Heutige maschinelle Übersetzungssysteme basieren zumeist auf statistischen Modellen. Diese werden auf einer zweisprachigen Textmenge trainiert um Wortentsprechungen beider Sprachen zu "lernen". Die zugrundeliegende Textmenge, bestehend aus Millionen von Sätzen, muss in paralleler Form vorliegen, d.h. der Inhalt jeder Zeile muss genau der Übersetzung dieser Zeile in der anderen Sprache entsprechen. Nachdem die statistischen Modelle trainiert wurden, können sie dann auf die Übersetzung von neuen Texten angewandt werden. Ein entscheidender Nachteil der Statistischen Maschinellen Übersetzung (SMÜ) ist, dass nur Wörter und Konstrukte übersetzt werden können, die zuvor in der großen Trainingstextmenge vorgekommen sind. Dies gilt insbesondere für SMÜ Systeme, die für die Übersetzung von und nach Deutsch konzipiert sind. Die deutsche Sprache ist weitgehend bekannt für ihre produktiven Wortbildungsprozesse. Sprecher des Deutschen können jederzeit durch Zusammensetzung bereits vorhandener Wörter neue Wörter bilden, sogenannte Komposita. Ein Beispiel hierfür ist "Apfel+Baum = Apfelbaum". Deutsche Komposita können theoretisch unendlich lang werden. Wohingegen "Apfelbaum" ein recht gebräuchliches und dadurch häufig vorkommendes Kompositum ist, ist "Apfelbaumholzpalettenabtransport" eine spontane Neubildung, für die es (vermutlich) noch keine Belege gibt. Durch die Produktivität deutscher Komposita, kommt es zu einer sehr hohen Anzahl an verschiedenen Komposita-Typen, von denen wiederum viele nur selten (oder auch gar nicht) in Texten vorgekommen sind. Diese Tatsache macht deutsche Komposita problematisch für SMÜ Systeme, da nur Wörter, die in den Trainingstexten vorgekommen sind, auch von den Systemen übersetzt werden können. Die Zerlegung von Komposita in ihre Einzelwörter kann hierbei Abhilfe schaffen. Wenn man z.B. "Apfelbaumholzpalettenabtransport" in seine Bestandteile zerlegt, wird schnell klar, daß "Apfel", "Baum", "Holz", "Palette," und "Abtransport" alles gewöhnliche deutsche Wörter sind, die eher in den Trainingstexten vorgekommen sind als das Kompositum an sich. Die Zerlegung von Komposita macht sie also potentiell Wort für Wort übersetzbar. Diese Dissertation befasst sich mit der Frage ob durch Zerlegung deutscher Komposita mithilfe morphologischen Wissens die Übersetzungsqualität eines SMÜ Systems verbessert werden kann, im Vergleich zu früheren Methoden zur Kompositazerlegung. Wir untersuchen hierfür beide Übersetzungsrichtungen des Sprachpaares Deutsch und Englisch. Wohingegen es schon einige verfügbare Ansätze zur Kompositazerlegung für SMÜ Systeme von Deutsch nach Englisch gibt, ist das Problem für die entgegengesetzte Übersetzungsrichtung von Englisch nach Deutsch bisher weitgehend ignoriert worden. Man bedenke zum einen, dass bei einer Übersetzung vom Englischen ins Deutsche die deutschen Komposita nicht nur vor der Übersetzung zerlegt werden müssen, sondern sie müssen auch anschließend wieder korrekt zusammengefügt werden. Zum anderen verfügt das Deutsche über eine reiche Flexionsmorphologie, die z.B. die Übereinstimmung aller morphologisch markierten Merkmale innerhalb einer Nominalphrase verlangt. Wir stellen in dieser Dissertation erstmals ein Werkzeug zur Kompositabehandlung in SMÜ vor, das bei Bedarf Komposita zusammenfügen kann, die in den Trainingstexten nicht vorgekommen sind und außerdem diese Komposita – in Abhängigkeit ihres unmittelbaren Kontextes – mit einer korrekten Flexionsendung versehen kann. Die Entscheidung darüber, welche Einzelwörter nach der Übersetzung zu Komposita zusammengefügt werden sollen, treffen wir erstmals unter Berücksichtigung von syntaktischen Informationen, die aus dem zu übersetzenden Satz aus der Quellsprache (in diesem Fall: Englisch) abgeleitet wurden. Wir überprüfen die Qualität unseres morphologischen Ansatzes zur Kompositazer-legung einerseits anhand manueller Evaluierungen, andererseits messen wir den Einfluß unserer Kompositabehandlung auf die Übersetzungsqualität eines aktuellen, frei verfügbaren, SMÜ Systems. Wir untersuchen beide Übersetzungsrichtungen des Sprachpaares Deutsch und Englisch. Wo immer möglich, vergleichen wir unsere Ergebnisse mit früheren Ansätzen zur Kompositabehandlung, die zumeist ohne morphologisches Wissen auskommen.
BASE