ترجمه ماشینی عصبی بازگشتی و پیچشی: ترجمه وندهای تصریفی فارسی به انگلیسی
چکیده
هدف از تحقیق حاضر، بررسی اثربخشی رویکرد نسبتاً جدید عصبی به ماشین ترجمه با تمرکز بر ترجمه بافتمند وندهای تصریفی ماضی ساده فارسی به انگلیسی است. برای نیل به این هدف، عملکرد دو معماری اصلی ترجمه ماشینی عصبی، شبکه‌های عصبی بازگشتی و شبکه‌های عصبی پیچشی، بررسی و بر اساس مدل ارزشیابی ودینگتون (۲۰۰۳) مقایسه شد. در این تحقیق، گوگل ترنسلیت نماینده معماری بازگشتی و مترجم فیسبوک، نماینده معماری پیچشی بود. پس از ارزیابی عملکرد دو ماشین ترجمه، میزان خطای آنها و منبع اصلی این خطاها بررسی و شناسایی شد. پس از بررسی نمونه برگرفته شده از رمان «مدیر مدرسه» نوشته جلال آل احمد، مشخص شد عملکرد هر دو ماشین ترجمه دستکم بسنده است. در این رابطه، فیسبوک عملکردی بهتر از گوگل ترنسلیت داشت. همچنین ترجمه وند تصریفی خنثی سوم شخص ماضی ساده به ضمایر فاعلی جنسیتگرا در انگلیسی مهمترین منبع خطاهای دو ماشین ترجمه یاد شده بود.
کلمات راهنما:
ترجمۀ ماشینی, ترجمۀ ماشینی عصبی, شبکه‌های عصبی بازگشتی, شبکه‌های عصبی پیچشی, گوگل ترنسلیت, فیسبوک, ترجمۀ بافتمند
چاپ‌شده
ارجاع به مقاله
شماره
نوع مقاله
مجوز
Copyright Licensee: Iranian Journal of Translation Studies. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution–NonCommercial 4.0 International (CC BY-NC 4.0 license).
