Makine Çevirilerinde Sorun Oluşturaan Eş Yazımlı Sözcükleri Bulunduran İfadeler için Kural Matrisli Makine Çevirisi (KMMÇ) Modeli

Öz

Doğal diller tam olarak matematiksel formüllerle ifade edilemediği ve sosyal kabullere dayanan sözcük veya ifadeler barındırdıkları için makine çevirilerinde bazı anlam belirsizliği durumlarıyla karşılaşılabilmektedir. Bu belirsizlik durumuna en uygun örnek eş yazımlı sözcük(ler) bulunduran ifadelerdir. Çalışmada bu ifadelerin kural tabanlı bir çeviri modeli ile doğru şekilde İngilizceden Türkçeye çevrilebilmesinin mümkün olup olmadığı sorusu ele alınmıştır. Bu maksatla, Kural Matrisli Makine Çevirisi (KMMÇ) olarak adlandırılan bir model geliştirilmiştir. Önerilen modelin başarı ölçümleri için Google, Bing Yandex ve KMMÇ çıktıları çevirmen değerlendirmesi yoluyla karşılaştırılmış; değerlendirmelerde KMMÇ'nin, eş yazımlı bulunduran ifadelerde dikkate değer başarı elde ettiği görülmüştür.

Anahtar Kelimeler

• Makine Çevirisi
• Doğal Dil İşleme
• Kural Tabanlı Makine Çevirisi
• Hiyerarşik İfade Tabanlı Makine Çevirisi
• Eş yazımlılar
• Machine Translation
• Natural Language Processing
• Rule-based Machine Translation
• Hierarchical Phrase-based Machine Translation
• Homographs

A Rule Matrix Machine Translation (RMMT) Model for the Phrases Having Homographs That Cause Difficulties in Machine Translation

Öz

For a natural language cannot be expressed in exact mathematical formulas or can harbor words or phrases that are based on social acceptance, it is very likely to face some ambiguities in machine translations. The most appropriate example would be the phrases with homographs. The purpose of this study is to investigate the question of whether a rule- based translation model can translate the expressions with homonymous ambiguity from English to Turkish language. Therefore, a new model called Rule Matrix Machine Translation (RMMT) has been developed. To determine the translation success of the proposed model; Google, Bing, Yandex and RMMT outputs were compared using human evaluation. In the evaluation process, RMMT has shown a notable success with homonymous ambiguities.

Anahtar Kelimeler

• Machine Translation
• Natural Language Processing
• Rule-based Machine Translation
• Hierarchical Phrase-based Machine Translation
• Homographs

Kaynakça

1. Chiang, D. Hierarchical Phrase-Based Translation, Computational Linguistics, 2007, 33(2), s. 201-228.
2. Oflazer, K. Türkçe ve Doğal Dil İşleme, Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 2016, Cilt 5, Sayı 2, 24.06.2016 https://dergipark.org.tr/tr/pub/tbbmd/issue/22245/238795.
3. Samedova, E. Eş Adlılık, Eş Adlılığa Benzer Dil Olayları ve Türkiye Türkçesindeki Basit Fiillerin Eş Adlılığı, Hazar Üniversitesi, 2008, http://dspace.khazar.org/handle/20.500.12323/798 [Erişim: 20.05.2021].
4. Vardar, B. Açıklamalı Dilbilim Terimleri Sözlüğü. İstanbul: Multilingual, 2002.
5. Sakar, E. Türkçede Eş Biçimlilik Meselesi, Dil ve Edebiyat Araştırmaları (DEA), 2021, Bahar, 2021; (23) 405-426 ISSN: 1308-5069 - E-ISSN: 2149-0651.
6. White, J. How to Evaluate Machine Translation. in H. Somers (Ed.), Computers and Translation, 2003, s. 211 - 242. Amsterdam: John Benjamins B. V.
7. Bangalore B., Bordel G. ve Riccardi G. Computing consensus translation from multiple machine translation systems, IEEE Workshop on Automatic Speech Recognition and Understanding, 2001. ASRU '01, Madonna di Campiglio,_Italy https://scholar.google.com.tr/citations? view_op=view_citation&hl=th&user= k9pXsKoAAAAJ&citation_for_view=k9pXsKoAAAAJ:9yKSN-GCB0IC [Erişim: 20.03.2022].
8. Snover, M. Madnani, N. Dorr, B. ve Schwartz, R. TER-Plus: paraphrase semantic and alignment enhancements to Translation Edit Rate, Proceedings of the Fourth Workshop on Statistical Machine Translation, 2009, s. 259–268, Athens, Greece, 30 March – 31 March 2009. c 2009 Association for Computational Linguistics.

9. Alsohybe N. T., Dahan N. A. ve Ba-Alwi F. M. Machine-Translation History and Evolution: Survey for Arabic-English Translations, Current Journal of Applied Science and Technology, 2017, 23(4) s. 1-19; Article no.CJAST.36124.
10. Okpor, M. D. Machine Translation Approaches: Issues and Challenges, IJCSI International Journal of Computer Science Issues, 2014, Vol. 11, Issue 5, No 2, September 2014 / ISSN (Print): 1694-0814.
11. Jha S. K. Exploring Ambiguous Structures In English, Global Journal of Interdisciplinary Social Sciences, 2017, G.J.I.S.S., 6(3):1-4, ISSN: 2319-8834.
12. Nordquist, R. Ambiguity (language), 2016 https://www.thoughtco.com/ambiguity-language-1692388 [Erişim: 21.03.2022].
13. James, R. H., Brendan H., and Michael B. S. Semantics: A Coursebook, 2007, 2nd ed. Cambridge University Press.
14. E. H. Hovy. Toward finely differentiated evaluation metrics for machine translation. In Proceedings of the Eagles Workshop on Standards and Evaluation, 1999, Pisa, Italy.
15. J.S. White and T. O’Connell, Francis E. O’Mara. The ARPA MT Evaluation Methodologies: Evolution, Lessons, and Future Approaches. In Proceedings of the First Conference of the Association for Machine Translation in the Americas, 1994, Columbia, Maryland. https://aclanthology.org/1994.amta-1.25/ [Erişim: 25.06.2022].
16. Papineni, K., Roukos, S., Ward, T., & Zhu, W.-J. (2002). BLEU: A Method for Automatic Evaluation of Machine Translation. Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (Sayfa: 311-318). Philadelphia: ACL. https://www.researchgate.net/publication/ 2588204_BLEU_a_Method_for_Automatic_Evaluation_of_Machine_Translation [Erişim: 25.06.2022]
17. Aslan, E. Otomatik Çeviri Araçlarının Yabancı Dil Öğretiminde Kullanımı: Google Çeviri Örneği, SEFAD, 2018 (39): 87-104 - e-ISSN: 2458-908X.