دوره 6، شماره 2 - ( 2-1402 )
جلد 6 شماره 2 صÙØات 130-101 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shams Z, Chehreh S. (2023). Efficiency of Machine Translation in the Language Processing Process; Using Context Clues in Finding the [Exact] Meaning of Quranic Words [In Persian]. JSAL. 6(2), 101-130. doi:10.52547/jsal.6.2.101
URL: http://jsal.ierf.ir/article-1-31-fa.html
URL: http://jsal.ierf.ir/article-1-31-fa.html
شمس زینب، چهره سپیده.(1402). اثربخشی ترجمه ماشینی در Ùرآیند پردازش زبان؛ بهره‌گیری از قرینه سیاق در معنایابی واژگان قرآن زبان کاوی کاربردی 6 (2) :130-101 10.52547/jsal.6.2.101
1- دانشجوی دکتری علوم قرآن Ùˆ Øدیث، دانشکده الهیات، دانشگاه کاشان، ایران ، Z.Shams@qom.ac.ir
2- کارشناس ارشد هوش مصنوعی دانشگاه علوم تØقیقات تهران
2- کارشناس ارشد هوش مصنوعی دانشگاه علوم تØقیقات تهران
چکیده: (4932 مشاهده)
به Ùرآیند برگرداندن مطلبی از زبان مبدأ به زبان مقصد Ú©Ù‡ با یاÙتن هم ارزهای معناشناختی میان دو زبان صورت میگیرد، ترØمه میگویند. مهمترین مشکلات ترØمه، ابهاماتی است Ú©Ù‡ در واژگان Ùˆ ساختار Øملات ÙˆØود دارند. در یک تقسیمبندی، Ù¾Ù†Ø Ù†ÙˆØ¹ مهم ابهام واژگانی (ابهامهای مقولهای، واژههای همآوا، واژههای همنویسه، چند معنایی Ùˆ ابهام انتقالی) Ùˆ دو نوع مهم ابهام ساختاری (ابهامهای ساختاری واقعی Ùˆ ابهامهای سیستمی) ÙˆØود دارد. ترØمه ماشینی (Machine translation: MT) Ú©Ù‡ بخشی از Øوزه پردازش زبان طبیعی(Natural Language Processing: NLP) مبتنی بر کامپیوتر در زبانشناسی رایانهای Ùˆ هوش مصنوعی بوده به عنوان یکی از تکنیکهای خودکاری است Ú©Ù‡ متن بدون ساختار را به دادههای ساختاری تبدیل میکند با تبدیل متن به اطلاعات، توانسته است تØلیلهای بیشتری را به دادهها اعمال کرده تا اطلاعات Ù…Ùیدی Ø§Ø³ØªØ®Ø±Ø§Ø Ø´ÙˆØ¯. در این نوشتار Ú©Ù‡ به روش کتابخانهای تدوین شده، Øهت رÙع مسائل پیرامون معنای واژگان در ترØمه ماشینی قرآن، طرØÛŒ به صورت نظری پیشنهاد شده Ú©Ù‡ هد٠آن Ú©Ù…Ú© به Ùهم بهتر معنای واژگان قرآن، با بهرمندی از قرینه سیاق Ùˆ باÙت عبارت است. در روش پیشنهادی با بهرهمندی از قاعده سیاق Ùˆ تکنیکهای متن کاوی، Ùˆ با استناد به آن، واژه معادل مناسبتری در زبان مقصد برگزیند. در این طرØØŒ سیاق را در مقیاس کلمات دانسته Ú©Ù‡ میتوان آن را به شرط اØراز شرایط به انواع دیگر توسعه داد. به طور خلاصه این Ø·Ø±Ø Ø¯Ùˆ مرØله دارد: اولویتبندی (وزندهی) واژگان همØوار٠هم ورودی (هر واژه در Ù…Øدوده آیاتی Ú©Ù‡ در مورد نزول یکباره آنها اتÙاق نظر ÙˆØود دارد) Ùˆ سپس مقایسه با کلماتی Ú©Ù‡ اشتراک Ù„Ùظی (چندمعنا) دارند Ùˆ نیز مقایسه همنظیران یک واژه با همنظیران سایر واژگان (مترادÙیابی). Ù…ÛŒ باشد. برای دقیقتر شدن Ù†ØªØ§ÛŒØ Ù…ÛŒØªÙˆØ§Ù† مشخصات بیشتری از کلمات را به صورت دستی تهیه نمود، Øداولی شامل مواردی چون Ù…Ú©Ù‘ÛŒ یا مدنی بود آیات، ترتیب نزول سوره، Ù…Ùاهیم Ùˆ تعابیری Ú©Ù‡ در معنای کلمات قرآن در Ùرهنگ لغاتی چون لسان العرب ابن منظور Ùˆ Ùرهنگ لغت راغب اصÙهانی آمده است Ùˆ غیره. برای بدست آوردن دادههای ورودی از تکنیکهای نمایهسازی استÙاده میشود. در مرØله پیش پردازش باید دادههایی Ú©Ù‡ دارای اهمیت کمتری است(Stop Words) (مانند"الذی"ØŒ "التی"ØŒ "لم"ØŒ"کان"ØŒ" کانما" Ùˆ غیره) Øذ٠شود تا خروØÛŒ بهتری بدست آید. برای تغییر Ø´Ú©Ù„ داده میتوان اعراب را Øذ٠کرد تا کدنویسی راØتتر انØام شود، برای کاهش نمونه نیز میتوان از ریشه میانوندی کلمات استÙاده نمود. برای اینکه با استناد به قاعده سیاق، برای یکایک کلماتی Ú©Ù‡ به عنوان ورودی مورد پردازش قرار میگیرند، رکوردی از مشخصات تهیه نمود، لازم است ابتدا واØد سازی(Tokenizer) صورت گیرد، در دادههای اولیه تهیه شده، در Ú©Ù„ Ù…Øموعه آیات ورودی، بر اساس دو معیار قرابت مکانی Ùˆ Ùراوانی تکرار، به هر کلمه وزنی اختصاص یابد. هر Ú†Ù‡ کلمات به کلمه مورد نظر نزدیکتر Ùˆ یا بیشترتکرار شده باشد، وزن بیشتری به آن اختصاص داده Ù…ÛŒ شود Ú©Ù‡ معر٠ارتباط معنایی قویتر آنان است Ùˆ برعکس. طبیعتاَ کلماتی Ú©Ù‡ در یک آیه قرار دارند (شماره آیه یکسانی دارند) نسب به کلماتی Ú©Ù‡ در آیات دیگر Ùˆ Ùاصله دورتر قرار دارند از ظریب تأثیر بیشتری برخوردار هستند. در سنØØ´ معیار Ùراوانی: برای نشان دادن اهمیت کلمه در سوره از Ùراوانی وزنی (TF/IDF Weight) استÙاده میشود، مقدار TF/IDF به تناسب تعداد تکرار کلمه در هر سوره یا Ù…Øموعه آیات ورودی، اÙزایش مییابد Ùˆ توسط تعداد آیاتی Ú©Ù‡ در سوره هستند Ùˆ شامل کلمه نیز میباشند متعادل میشود. در نهایت این نتیØÙ‡ Øاصل آمد Ú©Ù‡ از همØواری کلمات Ùˆ روابط معنایی بین آنها Ùˆ با Ú©Ù…Ú© تکنیکهای متن کاوی، Ùهم بیشتری از واژگان Øاصل شده Ú©Ù‡ این مهم گزینش مناسبتر واژه معادل در زبان مقصد را منØر Ù…ÛŒ شود.
واژههای کلیدی: زبان شناسی رایانه ای، زبان شناسی اجتماعی، ترجمه ماشینی، قرآن، قرینه سیاق، معادل یابی واژگان
نوع مطالعه: پژوهشي |
موضوع مقاله:
زبان شناسی اجتماعی
دریافت: 1400/7/2 | پذیرش: 1401/5/6 | انتشار: 1402/2/2
دریافت: 1400/7/2 | پذیرش: 1401/5/6 | انتشار: 1402/2/2
فهرست منابع
1. Alshaari, M., Elfitori, K., (2014). "Computable Difference Matrix for Synonyms in the Holy Quran". World Academy of Science, Engineering and Technology International Journal of Social, Behavioral, Educational, Economic, Business and Industrial Engineering, Vol. 8, No. 5, Pp. 1401-1404. Doi: 10.1999/1307-6892/9998243
2. AlSukhni, E. A., Mohammed N. Alsmadi, Izzat M. (2016). "An Automatic Evaluation for Online Machine Translation: Holy Quran Case Study", (IJACSA) International Journal of Advanced Computer Science and Applications, Vol. 7, No. 6, Doi: 10.14569/IJACSA.2016.070614 [DOI:10.14569/IJACSA.2016.070614]
3. Esmaili, M., (2012). Concepts and techniques of data mining. Kashan: Kashan Azad University.
4. Falahati, M., (2006). "Ambiguity in machine translation", Library and Information Sciences, Vol. 9, No. 3, pp. 21-38.
5. Izadi, M., & Zandieh, N. (2012). "Context and Spontaneous Occurrence of Meaning in the Exegetic School of Allameh Tabatabaee". Quran and Hadith Studies‎, Vol. 5, No. 2, pp. 5-23. Doi: 10.30497/quran.2012.1005
6. Javadipour, M., (2014). Overview of machine translation. The second electronic conference of new researches in science and technology.
7. Lyons, J. (1970). Semantics, 2th edition. Cambridge: Cambridge University Press
8. Naseh, A. A., (2006). "The functions of context in the interpretation of the Holy Quran". Qur'an and Hadith research, Vol. 1, No. 1, pp. 107-130.
9. Paktchi, A., (2012). Translation of the Holy Quran; A theoretical and practical approach (studying from vocabulary level to sentence construction), 3th edition Tehran: Imam Sadegh University (AS).
10. Rajabi, M., (1967). The method of interpretation of the Qur'an. Qom: University and District Research Institute.
11. Rezaei Esfahani, M. A., (2011). The logic of Quran translation, 2th edition, Qom: Al-Mustafa International Translation and Publishing Center.
12. Saeed, J. I. (2003). Semantics, Malden (MA)/Oxford: Blackwell.
13. Soyuti, A., (2000). Al-Itqan fi Ulum al-Qur'an, 2th edition, Beirut: Dar al-Kitab al-Arabi,
14. Tabari, M., (1984). Al-Tafsir al-Jame'i (Jame'i al-Bayan), Beirut: Dar al-Fekr.
15. Tadin, M. A., (2011). Studying the current problems of solving ambiguity in machine translation, Master thesis, Shiraz University.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تØت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |