Computer-based translation into Lithuanian: alternatives and their linguistic evaluation

Šiuo metu Lietuvoje geriausiai žinomos dvi iš anglų kalbos į lietuvių kalbą verčiančios ir laisvai prieinamos kompiuterinio vertimo (KV) sistemos – Google Vertėjas ir Vytauto Didžiojo universiteto „Internetinė informacijos vertimo priemonė“ (VDU IIVP). Išsamus bei argumentuotas jų lingvistinis tyrimas yra naudingas tiek sistemų kūrėjams (sistemoms tobulinti), tiek eiliniams naudotojams (įvertinti pasirinkimo galimybes). Paviršutiniškų vertinimų, kritikos bei įvairaus pobūdžio atsiliepimų galima rasti internetiniuose dienoraščiuose, tačiau šie vertinimai paprastai yra subjektyvūs ir nepagrįsti. Straipsnyje pateikiami lingvistiniai kompiuterinio vertimo tyrimo rezultatai: išverstų tekstų analizė, kurią sudaro dažniausiai pasitaikančių vertimo klaidų pavyzdžiai, komentarai, abiejų sistemų lingvistinių klaidų aptarimas ir palyginimas vertimo kokybės atžvilgiu. Išvadose, atsižvelgiant į tekstų pobūdį, tipines klaidas bei KV sistemos architektūros tipą, duodamos rekomendacijos, kaip, vienu ar kitu atveju, būtų galima pagerinti jų veikimąIn machine translation (MT) it is extremely complicated to create perfectly functioning system. The main problems in the systems are errors occurring during translation process. The topic of this research is relevant because in the last year’s two freely accessible MT systems, supporting the Lithuanian language, were introduced in Lithuania. Comprehensive and well-grounded analysis of these systems would be useful to the system developers and ordinary users. The object of this research are typical linguistic and systemic problems occurring during translation. Those problems are indicators determining translation quality. The aim of this paper is to explore the main practical translation problems that ordinary MT users commonly deal with. Analysis has shown that the Google Translator had made 1066 and VDU system 565 translation errors. Most translation errors are common to both systems: declensional, polysemy, nontranslated words, not suitable parts of speech constituted about 70 % of all errors. Out of 15 tested texts, VDU system has translated 13 texts in good quality. Out of 23 types of errors 19 types errors were "produced" by Google system. Both systems demonstrated the best translation results in translating administrative text and the worst results in translating fictional texts. Following the conducted analysis such recommendations could be made: to create or supplement dictionaries of phraseological units, expressions, constant word combinations, abbreviations, jargon and spoken language; constantly update dictionaries with new words and their forms; create larger parallel and comparative corpora; solve proper noun and systematic problems, etc