Maschinelle Übersetzung in Polen: Ein Überblick

  QUELLENVERZEICHNIS  

Inhaltsverzeichnis

  Seite  

  Begriffe und Abkürzungen  II

  Abbildungsverzeichnis  III

Tabellenverzeichnis IV   

  Anlagenverzeichnis  V

1  Einleitung  1

2  MÜ-Systeme  5

3  Polnisch in der MÜ  8

3.1  Aufbau der Systeme  15

3.2  Multilinguale Systeme und Tools  16

4  Forschung in Polen  19

4.1  Hochschulen  20

4.1.1  Warschau  21

4.1.2  Posen  24

4.1.3  Krakau  26

4.1.4  Breslau  26

4.1.5  Danzig  27

4.1.6  Gleiwitz  28

4.2  Firmen  28

4.3  Internationale Forschung Projekte  34

5  Zusammenfassung und Ausblick  36

  Quellenverzeichnis  37

  Stichwortverzeichnis  41

Anhang   42

  Maschinelle Übersetzung in Polen: Ein Überblick  

I

Begriffe und Abkürzungen

CL Computerlinguistik

DCG

E Englisch

ED electronic dictionary ‚Elektronisches Wörterbuch’

FAHQT Fully Automatic High Quality Translation (auch MT, s. Bild 1)

HAMT Human Aided Machine Translation

HLT Human Language Technologies

HPSG Head-Driven Phrase Structure Grammar

IE Information Extraction

Information Extraction ist eine Technologie zum automatischen

Information Extrahieren strukturierter Informationen aus Texten.[…] (Harms

Extraction & Luckardt (2005) (IE)

KBN Polnisches Staatskomitee für Wissenschaftsforschung

MAHT Machine Aided Human Translation

MLL Multilinguale(s) Lexika/on

MÜ Maschinelle Übersetzung (engl. ‚Machine Translation’ (MT))

NLP Natural Language Processing (verwandter Begriff zu HLT, ST)

PL Polnisch

QS Quellsprache

ST Sprachtechnologien (Oberbegriff zu IE, CL, MÜ, etc.)

Trunkierung

Usability

ZS Zielsprache

Abbildungsverzeichnis

Bild 1: Maschinelle Übersetzung (aus Von Hahn, 2001)........................................ 5 Bild 2: Komponenten eines Transfer-Systems (aus Arnold et al.,

1994:72) ...................................................................................... 45 Bild 3: Vergleich Transfer vs. Interlingua (aus Arnold et al., 1994:81)................. 46 Bild 4: Komponenten eines Interlingua-Systems (aus Arnold et al.,

  QUELLENVERZEICHNIS  

  Tabellenverzeichnis  

  Seite  

Tabelle 1:  Morphologie polnischer Pronomen (In Anlehnung an  

  Beispiele aus Przepiorkowski 2003:2)  11

Tabelle 3:  Polnisch 9 Genera  13

Tabelle 3:  Korpora (ausgewählt aus Zasoby leksykalne IFP U Wr ’  

  (2005) sowie IPI PAN (2005))  14

Tabelle 4:  PL Ressourcen: Wörterbücher (ausgewählt aus Zasoby  

  leksykalne IFP U Wr ’ (2005))  14

Tabelle 5:  Forschung in Warschau PAN: Language Engineering  21

Tabelle 6:  Forschung in Warschau PAN: Computerlinguistik ZJK  23

Tabelle 7:  Forschung in Warschau UW: Formale Linguistik KLF  23

Tabelle 8:  Forschung in Warschau PJWSTK: Mathematik  

  statistische Datenanalyse  24

Tabelle 9:  Forschung in Posen: UAM Computerlinguistik und KI  25

Tabelle 10:  Forschung in Krakau: Lehrstuhl für Computerlinguistik  26

Tabelle 11:  Forschung in Breslau: quantitative Linguistik und  

  Digitalisierung  26

Tabelle 12:  Forschung in Danzig: Mathematische Linguistik  27

Tabelle 13:  Forschung in Danzig: Wissenstechnologie  27

Tabelle 14:  Forschung in Schlesien: Computerlinguistik  28

Tabelle 15:  Forschende Unternehmen  29

Tabelle 16:  Internationale Forschung Projekte  34

Tabelle 17:  Stichproben LINGVOSOFT vs TRANSLATICA  44

  Maschinelle Übersetzung in Polen: Ein Überblick  IV

Anlagenverzeichnis

Anlage 1: Übersetzungsbeispiele TRANSLATICA & LINGVOSOFT ........................ 43

Anlage 2: MÜ-Systeme: Grafiken....................................................................... 45

1 Einleitung

„Machine Translation – a disappointing past and a disappointing present?” – Der Aufsatz von Martin Kay (In: Cole et al. 1997:248f) fasst mit diesen Worten die Ergebnisse der vergangenen Forschung und die Ernüchterung, die daraus erfolgte, pointiert zusammen (vgl. Arnold et al., 1994:3). Die maschinelle Übersetzung hat eine schwere und arbeitsreiche Vergangenheit hinter sich und nicht das erreicht, was man sich zu Anfang erhofft hat. Der Blick auf den Stand der Forschung muss aber gar nicht so pessimistisch sein. Nach ernüchternden Einsichten kann man heute doch zahlreiche Errungenschaften aufweisen. Gerade im Hinblick auf die Herausbildung der Informationsgesellschaft (Cole et al., 1997:xi, xvi) oder die politischen Änderungen in Europa mit der Osterweiterung kann die maschinelle Übersetzung wertvolle Dienste leisten. Polen, als eines der neuen EU-Länder, liefert viele Beispiele für aktuellen Bedarf und für Forschungsinteressen bezüglich der ‚linguistischen Integration’ (Euromap Final Report, 2003).

Mit dem Wissen um die Komplexität der Aufgabe, einen von Menschen erstellten Text automatisch zu übersetzen, weiß man die Leistung der heutigen Systeme zu würdigen. Zusätzlich wird in der Literatur ein grundsätzlicher Zuwachs an (zu übersetzenden) Publikationen betont, wovon große Mengen gleichförmig sind und demnach für den menschlichen Übersetzer keine befriedigende und oft auch nicht zu bewältigende Arbeit darstellen (Cole, 1997:251f; Hutchins, 2003). Man ist sich heute sicher, dass Tools/Systeme, die dem Menschen bei der Übersetzung eben solcher Texte als nützliches Werkzeug zur Verfügung stehen (z.B.: Machine Aided Human Translation, MAHT), sehr gute

Ergebnisse aufweisen und zu einer interessanteren, effektiveren Arbeitsweise beitragen. Alternativ sollen auch Lösungen, bei denen der Mensch während des Übersetzungsprozesses oder vorher/nachher eingreift (Human Aided Machine Translation, HAMT; Vor-/Nachbereitung, Authoring, kontrollierte Sprache, vgl. Hutchins, 2003), viel versprechende Resultate liefern (Arnold et al., 1994:3, Dorr et al., 1999:2; Cole et al., 1997:248). Die Eingrenzung der Quelltexte bezüglich ihrer Domänenzugehörigkeit, die nicht nur die Lexik, sondern auch die Syntax und andere sprachlichen Ebenen beeinflussen kann, verbessert zusätzlich die Leistung eines Übersetzungssystems. Eines der Beispiele hierfür sind die hervorragenden Erfolge mit METEO (University of Montreal, Kanada), einem System, das zwischen englischen und französischen meteorologischen Texten übersetzt. Die in METEO verwendeten Texte sind in ihrer Form und ihren Inhalten stark eingegrenzt (Kilbury, p.c. 2004; Cole et al., 1997:248).

Zu den guten Ergebnissen, die heute zumindest im Bereich ‚westlicher’ Sprachen, vor Allem Englisch, erzielt werden konnten, hat sicherlich auch der Austausch zwischen Disziplinen, Forschungsstätten und Ländern geführt. Im Bezug auf slawische Sprachen war dieser Austausch und auch Fortschritt aus verschiedenen Gründen gestört. Viele dieser Gründe wurden mittlerweile eliminiert und konnten zur Überwindung der Kluft beitragen. Hierzu gehört auch, dass vor Allem die Länder im Osten über zunehmend gute Fremdsprachenkenntnisse verfügen und nicht nur in ihren „low-density“ Sprachen (Euromap Final Report, 2003) publizieren.

Im Rahmen dieser Arbeit wurde eine Recherche zur Maschinellen Übersetzung (MÜ) bzw. zu Sprachtechnologien in Polen durchgeführt. Im Zentrum standen MÜ-Forschung, die polnische Sprache und Text-zu-TextÜbersetzung. Diese vorläufige Recherche wurde auf der Grundlage von aktuellen Internetquellen durchgeführt. Im vorliegenden Dokument werden alle zentralen URL-Adressen der forschenden Institutionen gegeben. Darüber hinaus wurde die Arbeit dieser Einrichtungen kurz anhand von dort genannten Fakten, wie Forschungszielen, forschenden

Personen, durchgeführten Projekten und eventuell existierenden Systemen skizziert. Es werden 10 universitäre, 7 kommerzielle Organisationen sowie ca. 7 internationale Projekte genannt, davon wurden einige Organisationen aufgrund bestehender oder auch vergangener Relevanz genauer behandelt.

Der Forschungsstand der polnischen MÜ kann im Rahmen dieser Arbeit nicht beurteilt werden. Aber die polnische Sprache gehört zu den am besten erforschten Sprachen in Europa (Vetulani et al., 1998), was sich auch im Vorhandensein

Wörterbücher widerspiegelt. Die meisten existierenden Systeme haben die Sprachen Englisch und Französisch als die jeweils andere QS oder ZS implementiert. Die Qualität ist zwar sehr variabel, aber an vorhandenen Problemen wird rasch gearbeitet. Die Betonung liegt häufig bei Rohübersetzungen und zunehmend auf stabilen Systemen. Hier zeigt sich auch eine starke Tendenz zur Anwendungsorientiertheit in der Forschung und Entwicklung von MÜ-Systemen. Aktuell werden einige der vorhandenen Systeme um andere KI-Aspekte erweitert und/oder die innerhalb der MÜ erreichten Ergebnisse, z.B. bei Mensch-Maschine-Technologien, verwendet (z.B.: Forschung in Posen & Warschau). Schnittstellen mit anderen Domänen sind auch in der polnischen Forschung nicht so scharf gezeichnet, so dass Sprachsynthese, Information Extraction (IE)

Anwendungsgebiete oder Komponenten von Systemen und Projekten eingebunden sind.

Da es sich hier um eine Überblicksarbeit handelt, werden einige Begriffe als Überbegriffe verwendet, um die inhomogene Terminologie, die für ein solches Vorhaben nicht untypisch ist, auszugleichen. Das Ziel ist, im Speziellen Orte und Projekte, die mit MÜ assoziiert sind, aufzudecken und zu nennen. Pure MÜ lässt sich entsprechend einschlägiger Prognosen (Cole, Hutchins) aber auch in Polen kaum finden, so dass der Rahmen zu recherchierender Institutionen auf Sprachtechnologien (ST) erweitert, jedoch der besondere Fokus auf MÜ beibehalten wird.

Es wird ferner darauf hingewiesen, dass es bis auf skizzenhafte Zusammenstellungen polnischer ST-Institutionen oder die Erwähnung in der HLT-Survey mit

Überblicksarbeiten zur MÜ in Polen gibt, so dass die hier vorliegende Arbeit keinen Anspruch auf Vollständigkeit erhebt.

2 MÜ-Systeme

Bild 1: Maschinelle Übersetzung (aus von Hahn, 2001)

MÜ-Systeme können nach verschiedenen Kriterien unterteilt werden. Eines der wichtigeren Kriterien, vor Allem in der Geschichte der MÜ/ST, ist der Grad der Automatisierung des Übersetzungsvorgangs. Die obige Grafik gibt eine mögliche Illustration der einzelnen Kategorien und ihrer Zusammenhänge (für eine detaillierte Erläuterung s. von Hahn, 2001; vgl. z.B. Arnold et al. 1994). Die einzelnen Kategorien haben keine klaren Grenzen und bilden ein Kontinuum (Arnold et al., 1994:35). Kilbury (p.c., 2005) übersetzt die drei wichtigsten Einteilungen wie folgt ¹ :

• menschengesteuert –MAHT,

• halbautomatisch –HAMT,

¹ FAHQT entspricht der Abkürzung MT auf der Grafik, die hier mit der deutschen Übersetzung MÜ für Maschinelle Übersetzung steht und als Bezeichnung für die Forschungsrichtung verwendet wird.