A hybrid approach to parallel text alignment
Adam Obrusník · 2013
Prace se zabýva automatickým zarovnavanim (alignmentem) dvojjazycných paralelnich textů. V teoreticke casti prace jsou popsany a porovnany soucasne přistupy k teto problematice, ktere jsou rozděleny do tři kategorii: statisticke, heuristicke a založene na klicových slovech. V prakticke casti je navržen a implementovan hybridni algorithmus, který kombinuje prvky statistických metod a metod založených na klicových slovech. Jedna z kapitol teto prace je take věnovana tvorbě jednojazycneho korpusu obsahujiciho fyzikalni abstrakty. Tento jednojazycný korpus byl za použiti elektronickeho dvojjazycneho slovniku a manualniho překladu použit ke tvorbě Cesko-Anglickeho slovniku nejcastějsich slov a terminů použivaných ve fyzikalnich textech. Vyvinutý hybridni algorithmus je nasledně testovan na dvojjazycných abstraktech fyzikalně zaměřených diplomových praci. Testovani algoritmu ukazalo velice dobre výsledky a stabilitu a spravne zarovnani (na urovni vět) bylo vygenerovano skoro ve vsech připadech. Jediným připadem, ve kterem se nedaři texty zarovnat zcela spravně je situace kdy jedna z jazykových verzi textů obsahuje urcitou informaci navic. I v tomto patologickem připadě vsak dokaže algoritmus spravně zarovnat zbývajici věty. Na zavěr je kratce představeno uživatelske rozhrani, ktere bylo vyvinuto pro testovani algoritmu a pro použivani zarovnaných textů jako paralelniho korpusu.