Ziel dieser Arbeit ist es, am Beispiel einiger Ausschnitte aus J.R.R. Tolkiens „Lord of the Rings“ zu beweisen, dass selbst die neusten und weitentwickeltsten maschinellen Übersetzungssysteme (MÜ Systeme) noch nicht in der Lage sind, einen literarischen Text zu produzieren, ohne dass Post-Editing nötig ist.
Hierfür werden passende Textstellen aus dem Buch, welche möglichst viele idiomatische Wendungen beinhalten, mit den Übersetzungsprogrammen „DeepL“ und „Google Translate“ übersetzt und die Fehler nach ausgewählten Kategorien des Multidimensional Quality Metric analysiert und miteinander verglichen. Aufgrund der fortgeschrittenen Technik ist zu erwarten,
dass grammatikalische Fehler eher seltener vorkommen, als Fehler bei der Übersetzung von Redewendungen. Dennoch wird voraussichtlich ersichtlich werden, dass noch einige Forschungen nötig sind, bis die MÜ Systeme auch mit komplizierteren Satzteilen und Sätzen zurechtkommen.
Inhaltsverzeichnis
- 1. Einleitung.
- 2. Theorie
- 2.1. Geschichte und Entwicklung der MÜ Systeme.
- 2.2. Ansätze und Methoden der Maschinellen Übersetzung
- 2.2.1. Regelbasierte Methode......
- 2.2.2. Korpusbasierte Methode
- 2.2.3. Wissensbasierte Methode
- 2.3. Probleme bei der Verwendung von MÜ-Systemen .......
- 2.4. Phraseologi...........
- 3. Verwendete Ressourcen und Methoden.
- 4. Quantitative Analyse.
- 5. Qualitative Analyse
- 5.1. Zu wörtlich übersetzte Redewendungen.………………………..\li>
- 5.2. Unidiomatische Übersetzungen.
- 5.3. Falsch übersetzte Redewendungen
- 5.4. Richtig übersetzte Redewendungen……………………..\li>
- 6. Fazit........
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht die Fähigkeit von zwei modernen neuronalen Maschinenübersetzungssystemen (NMT), idiomatische Redewendungen in literarischen Texten korrekt zu übersetzen. Anhand von ausgewählten Passagen aus J.R.R. Tolkiens „Lord of the Rings“ soll belegt werden, dass selbst die fortschrittlichsten NMT-Systeme noch nicht in der Lage sind, literarische Texte fehlerfrei zu übersetzen, sodass ein Nachbearbeiten (Post-Editing) notwendig bleibt.
- Vergleich der Leistung zweier NMT-Systeme (DeepL und Google Translate) bei der Übersetzung von Idiomen.
- Analyse der Übersetzungsergebnisse anhand des Multidimensional Quality Metric (MQM) zur Identifizierung von Fehlerkategorien.
- Bewertung der Fähigkeit von NMT-Systemen, den Kontext und die Bedeutung von Idiomen zu erfassen.
- Diskussion der Herausforderungen bei der Übersetzung von Idiomen und der Notwendigkeit von Post-Editing.
Zusammenfassung der Kapitel
Die Einleitung stellt die Problematik der Übersetzung von Idiomen in literarischen Texten dar und erläutert die Zielsetzung der Arbeit. Im zweiten Kapitel werden die Geschichte und Entwicklung der Maschinellen Übersetzung (MÜ) beleuchtet, verschiedene Arten der MÜ vorgestellt und die Besonderheiten der Phraseologie behandelt. Kapitel 3 präsentiert die verwendeten Ressourcen und Methoden der Analyse. Die Kapitel 4 und 5 bieten eine quantitative und qualitative Analyse der Übersetzungsergebnisse. Hier werden die Fehler in den Übersetzungen anhand des MQM-Systems kategorisiert und analysiert. Das Fazit fasst die Ergebnisse der Arbeit zusammen und zieht Schlussfolgerungen hinsichtlich der zukünftigen Entwicklung von NMT-Systemen im Bereich der literarischen Übersetzung.
Schlüsselwörter
Neuronale Maschinenübersetzung (NMT), Idiome, Phraseologie, literarische Übersetzung, Post-Editing, Multidimensional Quality Metric (MQM), DeepL, Google Translate, J.R.R. Tolkien, „Lord of the Rings“.
- Quote paper
- Jennifer Ringeisen (Author), 2019, Maschinelle Übersetzungssysteme im literarischen Übersetzen. Vergleich zweier neuronaler MÜ Systeme und die Rolle von Idiomen, Munich, GRIN Verlag, https://www.grin.com/document/1351945
