Электронные словари и их применимость для традиционного машинного перевода

p> Терминологические словари могут содержать термины, употребительные в отдельных направлениях науки, научных школах. Таковы «Словарь американской лингвистической терминологии» Э. Хэмпа (М., «Прогресс», 1964) или
«Лингвистический словарь пражской школы» Й. Вахека (М., «Прогресс», 1964).

Существует, наконец, тип универсальных словарей, одновременно толковых и энциклопедических, включающих также этимологические и исторические справки, иногда важнейший материал иноязычных цитат, и снабженных в нужных случаях рисунками. Это различные «словари Лярусса» (по имени французского издателя, организовавшего выпуск таких словарей), в частности «Большой
Лярусс», «Малый Лярусс» и т.д.; английские «словари Вебстера» (по имени первого составителя этих словарей), например, Webster’s Third New
International Dictionary (Springfield. Mass., 1961), и другие издания и переработки, в том числе даже карманные; к этому типу примыкает в известном смысле и толковый словарь Хорнби.

Составление словарей

Важным вопросом при составлении словаря является вопрос о порядке расположения материала.

Чаще всего используется алфавитный порядок, иногда - в том или ином сочетании с иными принципами расположения. Например, во многих случаях применяется гнездование, т. е. объединение в одно «гнездо» (в рамках одной словарной статьи) слов, связанных общностью корня, хотя бы это нарушало алфавитную последовательность. Фактически в этих случаях происходит отступление от алфавитного порядка слов в сторону алфавитного порядка корней. Это оказывается очень удобным для некоторых типов словарей, например для словообразовательных и этимологических. Последовательное проведение гнездового принципа соответствует лексикографической традиции многих языков. Так, например, арабские словари принято строить именно по алфавиту корней, помещая под каждым корнем все производные (в том числе и производные с приставками). Иногда и в словарях славянских языков глаголы с приставками включают в статью соответствующего бесприставочного глагола. Из русских толковых словарей гнездовой принцип наиболее широко применяют первые издания словаря Даля (до переработки словаря Бодуэном де Куртенэ), однако для приставочных глаголов сделано исключение — они идут на своем алфавитном месте.

Особое использование алфавитного принципа имеем в обратных словарях.
Слова в этих словарях располагаются по алфавиту не начальных, а конечных букв слова: а, ба, баба, жаба, ...амёба, ...служба, ...изба, ...шайба,
...колба, ...дамба и т. д. до последних слов, оканчивающихся на -яя: передняя, ...безмужняя. Среди неалфавитных принципов расположения материала важнейшим является принцип систематики (логической классификации) понятий, выражаемых лексическими единицами. Именно по этому принципу строятся упомянутые выше идеографические словари (называемые также «идеологическими» или «тематическими»). Вырабатывается та или иная логическая классификация понятий, и все, что подлежит включению в словарь, располагается по рубрикам этой классификации. Идеографические словари могут быть также двуязычными и многоязычными. Особую разновидность идеографических составляют «картинные словари» (по-французски «vocabulaires par l'image», по-немецки
«Bildwцrterbьcher»), обычно двуязычные или многоязычные. Они содержат рисунки, изображающие тот или иной «кусок действительности» (например, комнату с обстановкой, цех завода, угольную шахту, птицеводческую ферму, улицу и т. д.) и обильно снабженные номерами, под которыми на той же или соседней странице приводятся названия соответствующих предметов на одном, двух или нескольких языках. Из упомянутых выше словарей систематический принцип расположения применен в словарях пословиц Даля и Челаковского (ср. например, рубрики Челаковского: I. Бог. Религия. Черт. Грех... II. Добро - зло... III. Правда - ложь... и т.д.).

Составление словарей — очень сложная работа. Кроме общелингвистических положений о слове, его значениях и употреблении, грамматических и фонетических характеристик, надо знать технику составления словарей и понимать состав словаря.

Словарь состоит из: 1) словника, т. е. подбора со взаимными ссылками и отсылками, 2) филиации, т. е. расчлененной подачи значений той или иной вокабулы, 3) стилистических, грамматических и фонетических ремарок или помет к словам и их значениям, 4) иллюстративных примеров, 5) идиоматических и фразеологических сочетаний к данному слову и 6) перевода
(в разноязычных словарях) или толкования (объяснения — в одноязычных словарях).

Особо следует оговорить, что взаимно противоположные словари (допустим, русско-казахский и казахско-русский) никак нельзя мыслить просто как перестановку «правой колонки» (переводы) в «левую» (подлинники), и наоборот. Такие словари по словнику перекрывают друг друга лишь частично, так как каждый словарь «в подлинниках», т. е. в вокабулах, исходит из лексического состава своего языка, а, как известно, лексический состав разных языков (даже близкородственных) не совпадает. Поэтому любой переводный словарь (есть ли уже «обратный словарь» или его нет) должен иметь свой идиоматичный данному языку словник, для чего лучше всего опираться на одноязычный толковый словарь данного языка.

Глава II. ЭЛЕКТРОННЫЕ СЛОВАРИ

С появлением компьютерной техники, создатели программного обеспечения создали новый тип словарей - электронный словарь. Такой тип словаря - абсолютно новое слово в истории лексикографии, отметившее новую качественную ступень ее развития. Именно сейчас электронные словари вышли из тени бумажных и становятся самостоятельными игроками на языковой площадке, причем игроками, которые, похоже, в ближайшее время сделают остальных действующих лиц экспонатами Музея книги. Ведь электронные словари обладают рядом очевидных и существенных преимуществ по сравнению со словарями традиционными. Единственным же их недостатком является привязанность к персональному компьютеру и, следовательно, ограниченная доступность. Однако этот недостаток будет достаточно скоро устранен если не полностью, то, по крайней мере, большей частью, вследствие все возрастающих темпов компьютеризации, в том числе и растущей доступностью переносным компьютеров типа Laptop.

Электронных словарей сейчас выпущено довольно много, поэтому остановимся только на двуязычных англо-русских и русско-английских словарях. Для примера возьмем два самых известных: Lingvo компании Abbyy и МультиЛекс, разработанный фирмой МедиаЛингва. Эти словари любопытно сравнить, ведь создающие их команды, исповедуют разные взгляды на принципы электронной лексикографии.

Электронные словари "МультиЛекс"

Компания МедиаЛингва придерживается при создании словарей МультиЛекс довольно простой стратегии. Она создает цифровую копию известных книжных изданий. На сайте фирмы можно найти формулировку этого принципа: "В основу электронных словарей заложены словарные базы книжных изданий, уже завоевавших популярность и признание среди переводчиков, преподавателей иностранных языков, студентов и школьников". Некоторые эксперты считают, что такая политика покоится на эксклюзивном договоре МедиаЛингва с
"естественным монополистом" рынка российских словарей, издательством
"Русский язык". С точки зрения МедиаЛингва, задача электронной лексикографии - как можно точнее перевести традиционный словарь в электронную форму.

За основу словаря МультиЛекс взят "Новый большой англо-русский словарь" под редакцией А.Д. Апресяна. Есть и расширенная версия, где к основному словарю добавлены экономико-финансовый, юридический, строительный, политехнический словари и словарь по полиграфии и издательскому делу.

Конечно, словарь Апресяна - выдающееся достижение лексикографии, но подход МедиаЛингва имеет и недостатки. Первое, традиционные словари довольно серьезно отстают от языковой реальности. Обычно это не менее десяти лет. А электронные словари можно пополнять чуть ли не ежедневно.
Второе, словари, содержащие сотни тысяч словарных статей, какими бы квалифицированными лексикографами они не составлялись, всегда содержат ошибки и неточности, не говоря уже о возникновении дополнительных значений слов. Жесткая привязка к бумажному прототипу не дает возможности исправлять и дополнять электронный, тем более изменять структуру построения словарной статьи.

Электронные словари "Lingvo"

По другому и, вероятно, более перспективному пути пошла компания Abbyy.
Конечно, и в их большом электронном словаре Lingvo7.0 есть переведенные в цифровой вид лицензированные бумажные словари - это политехнический, юридический, экономический, финансовый, медицинский и - что очень своевременно - динамично пополняемый компьютерный словарь. Но основу
Lingvo, по словам руководителя лингвистического отдела фирмы Владимира
Селегея, составляет электронный словарь собственной разработки. Каждая новая версия Lingvo дополняется актуальной лексикой, и в ней исправляются найденные ошибки и неточности. Таким образом, благодаря лексикографическим исследованиям англо-русский словарь фирмы Abbyy близок к языковой практике.

Удачной находкой Abbyy выглядит приглашение всем желающим размещать на их Интернет-узле словари собственного изготовления http://www.lingvo.ru/dictionaries/index.htm. Такое вовлечение пользователей в лексикографическую работу вполне соответствует духу открытых Интернет- сообществ. Дополнительных словарей на сайте уже набралось 23 штуки. Причем всякий желающий может скачать их из Интернета и присоединить хоть все к уже имеющимся в базовой версии. Надо сказать, что базовая версия Lingvo-7.0 содержит миллион двести тысяч словарных статей. Причем основные статьи тщательно проработаны. Например, не самая большая статья о слове 'go' содержит более двадцати пяти тысяч знаков.

Первое, что бросается в глаза, когда мы говорим об электронных словарях
- это резкое сокращение объема. На десятиграммовом компакт-диске помещается целая полка толстых словарей общим весом в двадцать пять килограмм. Но, естественно, не это главное. Важно, что электронный словарь принципиально может обойти ключевое противоречие книжной лексикографии: чем больше информации предлагает словарь, чем развитее его научный аппарат, тем сложнее им пользоваться. Поэтому классические словари разделяется на две категории. Первая - популярные, относительно удобные, но довольно простые.
Вторая - обстоятельные академические издания, не позволяющие быстро получить искомую информацию.

Современные электронные словари не только значительно превосходят по объему книжные, но и находят искомое слово или словосочетание за несколько секунд. Причем искать можно в любой форме. Некоторые, например Lingvo, встраиваются во все основные офисные приложения и выделенное слово можно переводить нажатием нескольких клавиш.

Преимущества электронных словарей

При традиционном подходе минимальной единицей доступа является лексема
(имя словарной статьи): нужно прочесть всю статью, чтобы определить, содержится ли в ней ответ на наш запрос. Для таких словарей, как оксфордский, это представляет серьезную проблему. Например, глагол 'set' имеет там 400 только основных значений (и у многих из них имеются подзначения).

Пользователь хотел бы, чтобы словарь максимально локализовал релевантную информацию. При этом речь не идет об автоматическом выборе переводного эквивалента (если мы говорим о переводном словаре). Специфика словарного ответа в том, что он дает весьма разнообразную информацию о слове или словосочетании, а не просто переводное соответствие, предполагает активный выбор пользователя из нескольких возможных хорошо обоснованных альтернатив.

Однако попытка решить проблему адекватной реакции словаря на запрос неизбежно наталкивается на сопротивление самого словарного материала, перенесенного из бумажного словаря.

Электронные словари не только содержат транскрипцию, но и могут произносить слова. Здесь тоже существует два подхода. В МультиЛекс встроен синтезатор звука и произносятся все слова. Однако полностью доверять такому подходу, не контролируя его по транскрипции, опасно. Синтезатор может неправильно поставить ударение или вообще исказить произношение слова. В
Abbyy Lingvo основную лексику озвучивает диктор с оксфордским произношением.

Но, конечно, самое главное преимущество хороших электронных словарей - одновременный поиск не только по названию словарной статьи, но и по всему огромному объему словарей, что просто нереально в бумажном варианте. Такой поиск создает многомерный портрет слова, при этом извлекаются из глубин словарной статьи не только конкретные примеры его использования и устойчивые выражения, в которых слово встречается, но и обнажаются, становятся явными языковые законы, которым подчиняются правила словообразования. Даже мобильный электронный словарь не может отразить все сиюминутные движения языка, но он может дать ключ для расшифровки и понимания этих изменений, делая пользователя соавтором лексикографа. Что очень важно, когда требуется точный смысловой перевод, ведь это не задача подбора подходящего выражения, а в широком смысле отображение одной культуры с помощью языка другой. Поэтому в Lingvo можно строить и свой собственный словарь под общей оболочкой.

Язык — отражение реальной жизни. А жизнь не стоит на месте: появляются новые отрасли производства, науки, бизнеса, культуры. В обычную разговорную речь приходят новые слова, термины, устойчивые словосочетания. Можно ли представить в речи наших сограждан лет десять назад такие слова, как
"холдинг", "транш"? Выражение "конечный пользователь" вызвало бы у них недоумение, и никто не мог бы предположить, что слово "мыло" будет означать на компьютерном жаргоне электронную почту (вольная русская транскрипция английского слова "e-mail").

Вся эта лексика не может быть адекватно отражена в "бумажных" словарях по той простой причине, что они слишком долго готовятся. Так, известный англо-русский словарь Мюллера, сочетающий относительную простоту пользования (один том, хотя и тяжелый!) и полноту содержания, был издан в
1960 году и с тех пор претерпел лишь косметические изменения в 1978 и 1994 годах.

Фактически многие словари, которые сформировались в языковой атмосфере середины века, сильно устарели. В них не указаны современные значения старых слов, а многие новые слова просто отсутствуют. Буквальное перенесение таких словарей на компьютеры бесперспективно. Это стало особенно очевидно в связи с развитием Интернета: большая часть Веб-страниц состоит из английских текстов, написанных живым современным языком, обильно использующим разговорную лексику и сленг. Вряд ли какой-либо из существующих англо-русских словарей может ответить на этот вызов. Решить данную задачу под силу лишь электронным словарям.

Большинство "бумажных" словарей ориентировано на человека, читающего на иностранном языке, то есть человека, который в непонятном ему тексте находит "опорные" слова, помогающие выстроить общую смысловую картину.
Человек "пишущий", кроме знания всех используемых слов, должен четко представлять, как эти слова сочетаются друг с другом, какие предлоги при этом используются, есть ли устойчивые выражения, передающие необходимый смысл.

Увы, если "бумажный" словарь и удовлетворяет нужды Читателя, то уж интересы Писателя на неродном языке он чаще всего попросту игнорирует! А ведь в наш век электронных коммуникаций Писателем стал практически каждый пользователь Интернета!

И здесь электронный словарь оказывается намного полезнее "бумажного".
Даже буквальное воспроизведение приличного "бумажного" словаря на компьютере дает возможность извлечь из него столь необходимую Писателю информацию, похороненную в глубинах словарных статей. Например, пользователь может открыть на экране сразу несколько словарных статей, характеризующих все значения слова "достать" (брать, получать, надоесть и т. д.) как на одном языке, так и на другом, и, таким образом, изучить все нюансы использования слова.

Однако более правильный путь — подумать о Писателе заранее, при составлении словаря. Чтобы учесть его интересы, надо уметь описывать способы образования сложных словосочетаний. Например, как передать по- английски смысл "подтасовать или фальсифицировать результаты выборов"? Это выражение не относится к идиоматическим, потому его не следует искать в словнике целиком. С другой стороны, оно не может быть правильно переведено и по частям. Логичнее всего искать это выражение в статье "election"
(выборы). Однако, чтобы оно там оказалось, нужно желание разработчиков словаря его туда поместить.

Чтобы Писатель смог почувствовать оттенки слова, необходимо привести в словаре максимально возможное количество синонимов — слов, близких по смыслу. Например, английский глагол break означает, в частности: 1) ломать, разрушать, разбивать и 2) рвать, разрывать, отрывать. Для первого случая синонимами будут слова crush (давить, дробить) и smash (разбиваться вдребезги). Второму значению близки слова separate (отделять, разделять — более деликатный смысл) и tear off (отрывать, срывать). Через общую "карту" синонимов становится яснее, как перевести на иностранный язык слово с тем или иным смысловым оттенком. Очень полезны иллюстрирующие примеры, особенно на использование слов с предлогами или в устойчивых словосочетаниях.
Например: "уехать отсюда", "уехать куда-то", "уехать за чем-то", "уехать" в значении "отсутствовать".

Информацию о синонимах, словосочетаниях и случаях употребления правильнее всего предоставить на родном языке пишущего: если Писатель русский - то в русско-английском словаре, если он англичанин — то в англо- русском. Ни для кого не секрет, насколько лучше помогают толковые английские словари при решении мучительной проблемы, какое слово употребить. А вот жесткая ориентация словаря на перевод, а не на ОПИСАНИЕ языка делает его использование Писателем непростым и неочевидным. Таким образом, в современных электронных словарях отражено пионерское достижение российской лексикографии - двуязычный словарь во многом становится толковым. Кроме того, такой электронный словарь, как Lingvo, строит нажатием нужной клавиши парадигму, то есть совокупность всех форм слова.

Новые мехи требуют нового вина.

Итак, мы видим новое противоречие: между новыми языковыми компьютерными технологиями и старым традиционным словарным содержанием, не позволяющим воспользоваться этими технологиями в полном объеме. Иными словами, новые мехи требуют нового вина!

Источник этого противоречия тоже ясен: словарь представляет собой модель языка, устроенную на совершенно иных принципах, чем те формальные модели, которые лежат в основе этих технологий. И если в области морфологии противоречие еще не очень существенно, то в области синтаксиса и семантики оно становится почти непреодолимым.

Действительно, технология морфологического анализа всего лишь позволяет установить соответствие между исходной формой слова из текста и множеством лексем (словарных входов), для которой такая форма возможна. Синтаксический анализ позволяет сделать то же самое для словосочетаний, являющихся отдельными словарными входами.

Однако, для всех этих технологий само словарное содержание является
"непрозрачным", полностью ими игнорируется. Заглянуть "внутрь" словарной статьи позволяет только полнотекстовый поиск. Однако, этот мощный инструмент работает со словарным содержимым как с текстом на естественном языке, что резко ограничивает его возможности.

Первый и очевидный шаг, на который уже идут создатели электронных словарей, это первичная разметка словарной статьи, формализация той внутренней структуры, которая в той или иной мере имеется в хороших бумажных словарях. В результате полнотекстовый поиск может различать, к примеру, переводы, примеры использования и комментарии, что принципиально усиливает его возможности с точки зрения пользователя.

Однако все эти меры являются поверхностными. Ясно, что задача состоит в том, чтобы единицей описания было отдельное лексическое значение, и технологии анализа могли бы устанавливать соответствие между исходным запросом и теми лексическими значениями, которые релевантны для этого запроса по синтаксическим и семантическим критериям.

В качестве иллюстрирующего примера можно привести практически любой глагол, принадлежащий ядру языка. Например, глагол "развести" может встретиться в таких контекстах: разводить руками;

разводить спирт водой;

разводить супругов;

разводить мосты;

разводить баранов;

разводить дерущихся;

разводить пилу;

разводить/разбивать сады

(английские эквиваленты: bring; conduct; part, separate; mix; dissolve; divorce; breed; plant, etc...)

Задача создания такого словарного содержания, которое позволило бы сделать единицей анализа отдельное лексическое значение, а не морфологическую лексему, является, вероятно, наиболее перспективным направлением в компьютерной лексикографии. Ясно, что для ее решения требуется "синхронизация" словарных описаний и формальных моделей, используемых технологиями анализа. В пределе это должно быть единое интегральное лексико-синтактико-семантическое описание.

Читатели и писатели

Интегральный подход к лексическим описаниям позволяет также решить и проблему "монофункциональности" бумажных словарей.

К примеру, особенностью большинства бумажных переводных словарей является ориентация описания структуры лексического значения в исходном языке на лексическую систему языка перевода и на реализацию ровно одной функции - собственно перевода с языка А на язык Б в предположении, что язык
А является иностранным, а язык Б - родным. Нечего и говорить, что такое ограничение делает словарь исключительно неудобным при необходимости перехода от пользовательской модели Читатель к модели Писатель.

Фактически сегодня такие модели реализуются разными типами словарей, что достаточно неудобно читателю. Поэтому интегральный подход к лексическим описаниям оправдан не только методически (и, что немаловажно, экономически), но и с точки зрения учета интересов пользователя.

Проблема актуальности

Коснемся проблемы актуальности словарного содержания. Как уже указывалось, фундаментальные (лучшие!) бумажные словари - неизбежно словари устаревшие.

Особенно это характерно для разговорной лексики, в частности, ненормативной. В этой области отечественные классические словари предстают не только устаревшими, но попросту ханжескими.

Функции фиксации текущего состояния языка берут на себя растущие, как грибы после дождя, небольшие словарики, обычно весьма конъюнктурные и поверхностные. Новые значения в них оторваны от своих языковых корней, плохо или произвольно объяснены.

Страницы: 1, 2, 3, 4, 5