|
Lehrende/r: Dr. Reinhard Rapp
Veranstaltungsart:
Seminar
Anzeige im Stundenplan:
06.FUE.0011
Semesterwochenstunden:
2
Credits:
6,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | 15
Prioritätsschema: Senatsrichtlinie zzgl. Bevorzugung höherer Fachsemester
Zulassung gemäß Richtlinie über den Zugang zu teilnahmebeschränkten Lehrveranstaltungen vom 07. März 2007.
Nähere Informationen hierzu entnehmen Sie bitte www.info.jogustine.uni-mainz.de/senatsrichtlinie
Über die Senatsrichtlinie hinaus werden bei der Platzvergabe für diese Veranstaltung Studierende höherer Fachsemester bevorzugt berücksichtigt.
Voraussetzungen / Organisatorisches:
Inhalt:
Trotz einiger Fortschritte in den letzten Jahren lässt die Qualität maschineller Übersetzungen noch immer zu wünschen übrig. Erhebliche Verbesserungen sind jedoch möglich, wenn die Systeme auf bestimmte Sachgebiete und Textsorten angepasst werden. Da es jedoch sehr viele Kombinationen von Sachgebieten und Textsorten gibt, ist dies etwas, was von den großen Anbietern von Übersetzungssystemen (wie z.B. Google Translate, Bing Translator oder Systran) nicht geleistet werden kann. Bei Firmen und Institutionen (z.B. die EU oder SAP) konzentriert sich ein Großteil des Übersetzungsvolumens häufig auf nur eine oder ganz wenige Textarten, so dass mittels angepasster Übersetzungssysteme der Aufwand für die Nachbearbeitung reduziert und ein erheblicher Rationalisierungseffekt erzielt werden kann. Für die Anpassung der Übersetzungssysteme werden jedoch Kenntnisse ihrer Arbeitsweise benötigt, die im Seminar erarbeitet werden. Die Funktionsweise heutiger Übersetzungssysteme, die zumeist auf dem regelbasierten, dem statistischen oder dem hybriden Ansatz beruhen, wird in Theorie und Praxis behandelt. Dabei werden Open-Source-Systeme, wie z.B. Moses und Apertium, selbst installiert und getestet. Um die erhaltenen Ergebnisse beurteilen zu können, werden darüber hinaus auch Verfahren zur automatischen Evaluierung der Übersetzungsqualität eingesetzt.
Da auf den Universitätsrechnern aus Gründen der Netzwerksicherheit keine eigene Software installiert werden kann, benötigen die Teilnehmer einen eigenen Laptop (auch ältere Modelle möglich). Gute anwendungsorientierte Computerkenntnisse sowie Interesse an deren weiterer Vertiefung werden vorausgesetzt.
Nach einer Einführung werden die Studierenden gebeten, sich mit einem System ihrer Wahl systematisch auseinanderzusetzen, ihre Ergebnisse im Rahmen eines Referates, dessen Inhalt den übrigen Kursteilnehmern zur Verfügung gestellt wird, vorzutragen sowie hierzu eine schriftliche Ausarbeitung (Seminararbeit) zu verfassen.
Empfohlene Literatur:
Philipp Koehn (2009). Statistical Machine Translation. Cambridge University Press. http://www.statmt.org/book/
Yorick Wilks (2009). Machine Translation. Its Scope and Limits. Heidelberg: Springer.
Sin-Wai Chan (2015). Routledge Encyclopedia of Translation Technology. Routledge.
D.J. Arnold; L. Balkan; R.L. Humphreys; S. Meijer; L. Sadler (1994). Machine Translation. An Introductory Guide. Manchester: Blackwell. http://www.essex.ac.uk/linguistics/external/clmt/MTbook/
R.A. Cole, J. Mariani, H. Uszkoreit, A. Zaenen, V. Zue (1995). Survey of the State of the Art in Human Language Technology, Kapitel 8: Multilinguality. http://www.dfki.de/~hansu/HLT-Survey.pdf
W. John Hutchins, Harold. L. Somers (1992). An Introduction to Machine Translation. London: Academic Press.
Reinhard Rapp (2010). An introduction to statistical machine translation. In: Gemma Bel-Enguix and M. Dolores Jiménez-López (eds.): Language as a Complex System: Interdisciplinary Approaches. Cambridge Scholars Publishing, 263–287.
Uwe Reinke (2004). Translation Memories: Systeme, Konzepte, linguistische Optimierung. Frankfurt: Peter Lang.
Martina Schwanke (1995). Maschinelle Übersetzung. Ein Überblick über Theorie und Praxis. Berlin: Springer.
Zusätzliche Informationen:
|
