Maschinelle Übersetzung (MÜ) feiert derzeit große Erfolge und wird kontinuierlich verbessert, wie nützlich ist sie aber wirklich? Diese Frage beschäftigt insbesondere professionelle Übersetzer, die von guten MÜ-Systemen stark profitieren können. Daher wird im Rahmen dieser schriftlichen Arbeit die Qualität von maschinell übersetzten Texten überprüft und die Rolle der maschinellen Übersetzung im Translationsprozess kritisch untersucht.
Zu diesem Zwecke wird zunächst die Entstehungsgeschichte der MÜ erläutert, welche von zahlreichen politischen Entscheidungen geprägt ist. Wie viele andere Technologien des 21. Jahrhunderts hat auch die Maschinelle Übersetzung ihren Ursprung im diplomatisch-militärischen Bereich. Im Kapitel 2.1. Geschichte der Maschinellen Übersetzung werden dementsprechend die wichtigsten Meilensteine in der Entwicklung dieser Technologie erläutert. Anschließend werden verschiedene Anwendungsbereiche der MÜ dargelegt. Diese resultieren aus unterschiedlichen Verwendungszwecken für MÜ, welche wiederum eng mit uneinheitlichen Anforderungen der Nutzer korrelieren. Diverse Schwächen und bekannte Problematiken der maschinellen Translation werden im Kapitel 2.3. Probleme der Maschinellen Übersetzung genauer erläutert. Es werden auch unterschiedliche methodische Ansätze der MÜ chronologisch und entsprechend ihrer Bedeutung in diesem Fachgebiet gezeigt. Hierbei wird die fundamentale Theorie hinter der jeweiligen Methode, ihre Funktionsweise sowie vorhandene Besonderheiten des betreffenden MÜ-Systems dargestellt. Diese theoretische Grundlage bildet den Ausgangspunkt für die Untersuchung von DeepL. Der erwähnte Online-Übersetzungsdienst wird als das zu untersuchende Translationssystem anschließend ausführlich betrachtet.
Darüber hinaus werden zwei relevante Evaluationsmethoden vorgestellt, wobei eine der beiden das Fundament der späteren Untersuchung bildet. Darauf folgt die Analyse der Übersetzungsqualität von DeepL und die Auswertung der Fehler anhand einer festgelegten Evaluationsmetrik. Der Fokus liegt hierbei auf Identifikation und Diskussion von verschiedenen Fehlertypen im Zieltext. Im Fazit dieser Abhandlung werden die gesammelten Daten im Hinblick auf die Zukunft der maschinellen Übersetzung abschließend diskutiert.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Maschinelle Übersetzung
- 2.1. Geschichte der maschinellen Übersetzung
- 2.2. Zweck und Anwendung der maschinellen Übersetzung
- 2.3. Probleme der maschinellen Übersetzung
- 2.4. Methoden der maschinellen Übersetzung
- 2.4.1. Regelbasierte Methode
- 2.4.1.1. Direkte Methode
- 2.4.1.2. Interlingua-Methode
- 2.4.1.3. Transfer-Methode
- 2.4.2. Statistische Methode
- 2.4.2.1. Wortbasierte Methode
- 2.4.2.2. Phrasenbasierte Methode
- 2.4.2.3. Syntaxbasierte Methode
- 2.4.3. Beispielbasierte Methode
- 2.4.4. Neuronale Methode
- 3. DeepL
- 3.1. Über DeepL
- 3.2. Grundlegende Funktionen und Varianten von DeepL
- 3.3. Convolutional Neural Networks und die Grenzen der NMÜ
- 4. Evaluation der Übersetzungsqualität im Allgemeinen
- 4.1. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen mit BLEU
- 4.2. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen nach Ramlow
- 5. Untersuchung und Fehleranalyse
- 5.1. Auswahl der Sprachen und der Texte
- 5.2. Bestimmung und Erläuterung der Fehlertypologie
- 5.3. Fehleranalyse der einzelnen Fehlerkategorien anhand von Beispielsätzen
- 5.4. Fehlerauswertung und Zusammenfassung
- 6. Fazit
Zielsetzung und Themenschwerpunkte
Diese Bachelorarbeit untersucht kritisch die Rolle der maschinellen Übersetzung (MÜ) im Übersetzungsprozess, insbesondere anhand des Systems DeepL. Die Arbeit evaluiert die Übersetzungsqualität und analysiert die Stärken und Schwächen verschiedener MÜ-Methoden. Ziel ist es, ein umfassendes Bild der aktuellen Möglichkeiten und Grenzen von MÜ zu liefern und deren Bedeutung für professionelle Übersetzer zu beleuchten.
- Entwicklung und Geschichte der maschinellen Übersetzung
- Vergleichende Analyse verschiedener MÜ-Methoden (regelbasiert, statistisch, neuronal)
- Evaluierung der Übersetzungsqualität von DeepL
- Fehleranalyse und -typologie maschineller Übersetzungen
- Die Rolle von MÜ im professionellen Übersetzungsprozess
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beschreibt den technologischen Fortschritt der Menschheit und dessen Einfluss auf die zwischenmenschliche Kommunikation, insbesondere im Kontext der Globalisierung und des steigenden Bedarfs an Übersetzungen. Sie führt in die Thematik der maschinellen Übersetzung ein und skizziert die Zielsetzung der Arbeit.
2. Maschinelle Übersetzung: Dieses Kapitel bietet einen umfassenden Überblick über die maschinelle Übersetzung. Es beleuchtet die Geschichte der MÜ, ihre Zwecke und Anwendungen sowie die damit verbundenen Probleme. Ein detaillierter Vergleich verschiedener Methoden – regelbasiert, statistisch und neuronal – wird vorgestellt, inklusive Unterkapiteln zu den jeweiligen Untermethoden. Die Ausführungen zeigen die Entwicklung von einfachen regelbasierten Ansätzen zu komplexen neuronalen Netzen auf und verdeutlichen die Herausforderungen bei der Erzeugung hochwertiger Übersetzungen.
3. DeepL: Dieses Kapitel konzentriert sich auf das MÜ-System DeepL. Es beschreibt die grundlegenden Funktionen und Varianten des Systems, beleuchtet die zugrundeliegende Technologie (Convolutional Neural Networks) und diskutiert deren Grenzen im Kontext der neuronalen maschinellen Übersetzung. Der Fokus liegt auf den Besonderheiten von DeepL im Vergleich zu anderen Systemen und seiner Leistungsfähigkeit.
4. Evaluation der Übersetzungsqualität im Allgemeinen: Dieses Kapitel befasst sich mit der Bewertung der Qualität maschineller Übersetzungen. Es werden verschiedene Methoden und Metriken vorgestellt, darunter BLEU und der Ansatz nach Ramlow. Die Diskussion erläutert die Herausforderungen und Möglichkeiten der objektiven und subjektiven Bewertung von Übersetzungen, die Bedeutung der Qualitätskriterien und deren Anwendung in der Praxis.
5. Untersuchung und Fehleranalyse: Dieses Kapitel präsentiert eine empirische Untersuchung der Übersetzungsqualität von DeepL. Es beschreibt die Methodik der Untersuchung, einschließlich der Auswahl der Sprachen und Texte, und stellt eine detaillierte Fehlertypologie vor. Anhand von Beispielsätzen werden verschiedene Fehlerkategorien analysiert, und die Ergebnisse werden zusammengefasst und interpretiert. Die Ergebnisse zeigen die spezifischen Stärken und Schwächen von DeepL auf und bieten Einblicke in die Art und Häufigkeit der von DeepL gemachten Fehler.
Schlüsselwörter
Maschinelle Übersetzung (MÜ), DeepL, Neuronale Maschinelle Übersetzung (NMÜ), Übersetzungsqualität, Evaluation, Fehleranalyse, Regelbasierte Methode, Statistische Methode, Neuronale Methode, Convolutional Neural Networks (CNN), BLEU, Ramlow.
Häufig gestellte Fragen zur Bachelorarbeit: Untersuchung der Übersetzungsqualität von DeepL
Was ist der Gegenstand dieser Bachelorarbeit?
Die Arbeit untersucht kritisch die Rolle der maschinellen Übersetzung (MÜ), insbesondere des Systems DeepL, im Übersetzungsprozess. Sie evaluiert die Übersetzungsqualität von DeepL und analysiert die Stärken und Schwächen verschiedener MÜ-Methoden. Ziel ist es, ein umfassendes Bild der aktuellen Möglichkeiten und Grenzen von MÜ zu liefern und deren Bedeutung für professionelle Übersetzer zu beleuchten.
Welche Methoden der maschinellen Übersetzung werden behandelt?
Die Arbeit behandelt verschiedene Methoden der maschinellen Übersetzung, darunter regelbasierte, statistische und neuronale Methoden. Innerhalb dieser Kategorien werden auch Untermethoden wie die direkte, Interlingua- und Transfer-Methode (regelbasiert) sowie wortbasierte, phrasenbasierte und syntaxbasierte Methoden (statistisch) detailliert beschrieben.
Welche Rolle spielt DeepL in der Arbeit?
DeepL steht im Mittelpunkt der empirischen Untersuchung. Die Arbeit beschreibt die grundlegenden Funktionen und Varianten von DeepL, beleuchtet die zugrundeliegende Technologie (Convolutional Neural Networks) und diskutiert deren Grenzen im Kontext der neuronalen maschinellen Übersetzung. Eine Fehleranalyse von DeepL-Übersetzungen bildet einen zentralen Bestandteil der Arbeit.
Wie wird die Übersetzungsqualität evaluiert?
Die Arbeit beschreibt verschiedene Methoden zur Bewertung der Übersetzungsqualität, darunter die Metrik BLEU und den Ansatz nach Ramlow. Die Herausforderungen und Möglichkeiten der objektiven und subjektiven Bewertung von Übersetzungen werden diskutiert.
Welche Fehleranalyse wird durchgeführt?
Die Arbeit beinhaltet eine empirische Untersuchung der Übersetzungsqualität von DeepL mit einer detaillierten Fehlertypologie. Anhand von Beispielsätzen werden verschiedene Fehlerkategorien analysiert, und die Ergebnisse werden zusammengefasst und interpretiert. Die Analyse zeigt die spezifischen Stärken und Schwächen von DeepL auf und bietet Einblicke in die Art und Häufigkeit der von DeepL gemachten Fehler.
Welche Sprachen und Texte wurden für die Untersuchung verwendet?
Die Arbeit beschreibt die Methodik der Auswahl der Sprachen und Texte, die für die empirische Untersuchung der Übersetzungsqualität von DeepL verwendet wurden. Diese Informationen sind jedoch im vorliegenden Inhaltsverzeichnis nicht explizit genannt und müssen der vollständigen Arbeit entnommen werden.
Welche Schlüsselwörter beschreiben die Arbeit am besten?
Schlüsselwörter, die die Arbeit beschreiben, sind: Maschinelle Übersetzung (MÜ), DeepL, Neuronale Maschinelle Übersetzung (NMÜ), Übersetzungsqualität, Evaluation, Fehleranalyse, Regelbasierte Methode, Statistische Methode, Neuronale Methode, Convolutional Neural Networks (CNN), BLEU, Ramlow.
Welche Kapitel umfasst die Arbeit?
Die Arbeit gliedert sich in folgende Kapitel: Einleitung, Maschinelle Übersetzung, DeepL, Evaluation der Übersetzungsqualität im Allgemeinen, Untersuchung und Fehleranalyse, und Fazit. Jedes Kapitel wird im Inhaltsverzeichnis detailliert aufgeschlüsselt.
- Citation du texte
- Pawel Trybulski (Auteur), 2021, Rolle der maschinellen Übersetzung im Übersetzungsprozess. Kritische Untersuchung anhand von "DeepL" und Evaluation der Übersetzungsqualität, Munich, GRIN Verlag, https://www.grin.com/document/1159881
