Elhuyar Fundazioa - Hizkuntza Zerbitzuak 

Helburuak eta azalpen okorra

Gaur egungo gizartean globalizazio-prozesu baten ondorioz gero eta gehiago dira esparru askotan elkartzen diren hizkuntzak. Errealitate eleaniztun berri horrek problema eta erronka berriak dakartza Hizkuntza Teknologien alorrera. Beraz, ikertu eta garatu beharreko teknologia honek itzulpen-ezagutzaz hornitzen duten zenbait baliabideen beharra eskatuko du. Lengoai Naturalaren Prozesamenduaren (LNP) problema guztien soluzioaren ardatz nagusiak ezagutza eta metodologia baitira.

Itzulpen ezagutza normalean bi tokitatik erauzi daiteke: Hiztegi elebidunetatik eta corpus paraleloetatik. Hala ere, bai hiztegi elebidunak bai corpus paraleloak urriak dira hizkuntza bikote eta domeinu gehienetarako. Egoera hau oraindik nabarmenagoa da hizkuntza txikiez ari garenean. Hori dela eta, itzulpen ezagutza lortzeko irtenbide berriak lantzea ezinbestekoa da problema larri honi aurre egiteko.

Itzulpen-baliabideen urritasunari aurre egiteko asmoz pibotajearen ideian oinarritutako teknikak proposatzen ari dira LNPren komunitatetik [1,2], hau da, berezko loturarik ez duten bi hizkuntza hirugarren hizkuntza komun baten bidez erlazionatzea. Ideia honen funtsa sinplifikazioa bada ere, itzulpenaren propietate trantsitiboan datza. Horretaz gain, ideia praktikoa da gaur egun hizkuntza handiak hiztegi eta corpus paralelo elebidun gehienetan agertzen direlako. Hortaz, pibote-hautagai ezin hobeak dira.

Dena dela, itzulpen-erlazioak ez dira erabat trantsitiboak sinonimiaren edo polisemiaren fenomenoaren ondorioz. Horretaz gain, hiztegi bakoitzak bere ezaugarriak ditu, eta horrek ere itzulpenak parekatzeko estrategia baldintzatzen du.

Polisemia eta zubi gabeko hitzen problemari aurre egiteko honako teknika nagusiak erabiliko ditugu:

• IC teknika (Inverse Consultation): IC teknikak gurutzaketa prozesuan erabili den norabidearen aurkako kontsultak egitea planteatzen du, nolabait lortu diren emaitzak benetan kontrastatzeko.
• Testuinguru-antza: Teknika honen bidez adiera berdinerako hitzak parekatzen saiatuko gara. Adierak hitzen testuinguruen bitartez bereiziko dira. Testuinguruen errepresentazio egokiak sortzeko Internet erabiliko dugu corpus bezala.
• Kognatuen detekzioa: Zubi gabeko hitz-baliokideak kognadura kalkulatuz detektatuko dira.

Finantziazioa

• Eusko Jaurlaritzako Industria, Turismo eta Merkataritza sailak Saiotek 2009 deialdian diruz lagundu du proiektua.

Gizarteratzea

• X. Saralegi, I. Manterola, I. San Vicente. 2011. “Analizing Methods for Improving Precision of Pivot Based Bilingual Dictionaries”. Conference on Empirical Methods in Natural Language Processing (EMNLP 2011). Edinburgo.