Оценка качества перевода художественного текста с амхарского на английский язык с использованием методов сжатия данных

Оценка качества перевода является важной задачей в области компьютерной лингвистики. В данном исследо­вании рассматривается использование методов сжатия данных для оценки точности перевода путем выявления характерных языковых закономерностей. Традиционные методы оценки перевода основаны на анализе стили­стических показателей и машинном обучении, однако на эти подходы часто влияют длина текста и предопреде­ленные лингвистические особенности. Чтобы устранить эти ограничения, мы используем теоретико-информа­ционный метод, основанный на сжатии данных.

Наша методология использует алгоритмы сжатия для анализа перевода с целью оценки качества. Мы оцениваем неосознанный стилистический вклад переводчиков, сравнивая несколько переводов одних и тех же литератур­ных произведений. Кроме того, мы применяем классификацию на основе сжатия, чтобы различать оригиналь­ные тексты на амхарском языке, тексты, переведенные человеком с амхарского на английский, и тексты, пере­веденные компьютером. В наших экспериментах мы использовали шесть оригинальных романов на амхарском языке для анализа авторских стилей, а для оценки качества перевода – известные произведения, переведенные как переводчиками-людьми, так и компьютерными переводчиками. Среди различных алгоритмов сжатия дан­ных без потерь были протестированы следующие: Prediction by Partial Matching (PPM), кодирование Хаффмана, преобразование Барроуза – Уилера (BWT) и алгоритм Лемпеля – Зива – Маркова (LZMA) с целью оценки их эффективности. Согласно коэффициенту V Крамера, рассчитанному по результатам различных экспериментов, алгоритм Prediction by Partial Matching (PPM) показал наивысшую стабильность и поэтому был выбран для всех последующих анализов.

Результаты показывают, что алгоритм PPM достигает наивысшей точности классификации: коэффициент Кра­мера (V) составил 0,89 для авторских текстов на амхарском языке, 0,762 и 1 для текстов, переведенных чело­веком с английского на амхарский, 0,91 для текстов, переведенных компьютером с амхарского на английский, и 0,53 для задач компьютерного перевода с английского на амхарский.

Исследование демонстрирует, что методы сжатия данных обеспечивают жизнеспособный, не зависящий от язы­ка подход к оценке качества перевода, особенно для языков с ограниченными ресурсами, таких как амхарский. Эти результаты подчеркивают потенциал теоретико-информационных методов в лингвистическом анализе и компьютерных исследованиях перевода.

1. Malyutov M.B. Authorship Attribution of Texts: A Review General Theory of Information Transfer and Combinatory. Lecture Notes in Computer Science, vol. 4123. Springer, Berlin, Heidelberg. DOI.org/10.1007/11889342_20.

2. Ryabko B.Y., Savina N. Information-Theoretic Method for Assessing the Quality of Translations. Entropy 2022, 24, 1739. DOI.org/10.3390/e24121739

3. Ryabko B.Y., Savina N. Using Data Compression to Build a Method for Statistically Verified Attribution of Literary Texts. Entropy 2021, 23, 1302. DOI.org/10.3390/e23101302

4. Madigan D; Genkin A; Lewis D. D; Argamon, S; Fradkin, D; Ye L. Author identification on the large scale. 2005, June. In Proceedings of the 2005 Meeting of the Classification Society of North America (CSNA).

5. Argamon S; Šarić M; Stein S.S. Style mining of electronic messages for multiple authorship discrimination: first results. 2003, August. In Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining, рp. 475–480.

6. Forsyth R.S; David I.H. Feature-finding for text classification. Literary and Linguistic Computing, 1996, vol. 11, no. 4. рp. 163–174.

7. Juola P. Authorship attribution. Foundations and Trends® in Information Retrieval. 2008 Mar 6, vol. 1, no. 3. рp. 233–334.

8. Katirai Hooman; Waterloo Ontario; Dale Schuurmans. Filtering junk e-mail. 1999. Department of Electrical & Computer Engineering, University of Waterloo.

9. Cover T. M. Elements of information theory. 1999. John Wiley & Sons.

10. Williams C. B. Mendenhall’s studies of word-length distribution in the works of Shakespeare and Bacon.1975. Biometrika, рр. 207–212.

11. Thompson J. W; Padover S. K. Secret diplomacy: espionage and cryptography. 1963, рр. 1500–1815.

12. Mendenhall T. C. The characteristic curves of composition. Science. 11 Mar 1887, no. 9, issue 214, рp. 237–246. DOI: 10.1126/science.ns-9.214S.237.

13. Bahtin M. Problemi poetike Dostojevskoga. Zadar: Sveučilište u Zadru; 2020.

14. Brinegar C. S. Mark Twain and the Quintus Curtius Snodgrass letters: A statistical test of authorship. 1963. Journal of the American Statistical Association. vol. 58, no. 301, рp. 85–96.

15. Bende M. L. The origin of Amharic. Ethiopian Journal of Languages and Literature. 1983, vol. 1, рp. 41–52.

16. Adugna, Gabe. Research: Language Learning - Amharic: Home. library.bu.edu. Retrieved 2025-05-10.

17. https://translate.google.ru/?hl=en&sl=it&tl=ru&op=translate

18. https://translate.yandex.com/en/

19. https://lingvanex.com/translate/

20. Abdelfattah M.S; Hagiescu A; Singh D. Gzip on a chip: High performance lossless data compression on fpgas using opencl. In Proceedings of the international workshop on openCL. 2013 & 2014, pp. 1–9.

21. Seward J. bzip2 and libbzip2. avaliable at http://www.bzip. Org. 1996, рр. 8–18.

22. Onuma Y., Terashima Y., Kiyohara R. Compression method for ECU software updates. IEEE Tenth International Conference on Mobile Computing and Ubiquitous Network (ICMU). 2017 Oct 3, pp. 1–6.

23. Alakuijala J., Farruggia A., Ferragina P., Kliuchnikov E., Obryk R., Szabadka Z., Vandevenne L. Brotli: A general-purpose data compressor. ACM Transactions on Information Systems (TOIS).2018, vol. 37, рp. 1–30.

24. Collet Y., Kucherawy M. Z-standard Compression and the application/zstd Media Type. 2018, no. rfc8478.

25. Shkarin D. PPM: one step to practicality. In: Proceedings of the Data Compression Conference. vol. DDC ’02, рp. 202. IEEE Computer Society (2002)