zisky:
- Schopnost zajistit jednotnost terminologie vytvořením terminologické báze a jasným definováním schválených a zakázaných ekvivalentů
- Pomocí umělé inteligence rychle extrahovat kandidáty na termín a učinit konečné rozhodnutí o termínu s odborníkem a zákazníkem
- Schopnost připojit termínovou základnu k nástroji/výzvám během překladu a detekovat nekompatibility s prohlídkou QA termínu po překladu
Pokud v technickém překladu přeložíte slovo „uživatelský účet“ jako „uživatelský účet“ na jednom místě, „členský účet“ na jiném místě, „uživatelský profil“ na jiném místě, uživatel bude ztracen, značka bude působit nekonzistentně a vyhledávání/dokumentace bude narušena, i když je text technicky „správný“. Tichým, ale nejdůležitějším prvkem kvality překladu je terminologická jednotnost. V této lekci se naučíte správu terminologie, vytváření terminologické báze (databáze termínů), extrakci termínů pomocí AI a jak udržovat terminologickou disciplínu během překladu. Cílem je být odborníkem, který se v každém projektu setkává se stejným konceptem všude stejně a je loajální k firemnímu jazyku.
Základní pojmy
Terminologie jsou slova a výrazy, které odpovídají konkrétním konceptům oboru nebo instituce („pokladna“, „politika vracení“, „kmenová buňka“). Termbase (TB – databáze termínů) je strukturovaný slovník, který uchovává ekvivalenty zdroje-cíl, definice, poznámky k použití a „zakázané ekvivalenty“ těchto termínů; Připojuje se k nástrojům CAT a automaticky navrhuje překlad. Extrakce termínů je proces automatického shromažďování termínů, které je třeba z textu přeložit/standardizovat. Glosář je jednodušší dvousloupcový seznam pojmů; Používá se místo termbase v malých zakázkách.
Proč je to tak důležité? Protože strojový překlad a LLM samy o sobě nezaručují jednotnost terminologie. NMT může překládat každou větu nezávisle; LLM může změnit své rozhodnutí v dlouhém textu. To, co poskytuje termínovou disciplínu, je termínová základna, kterou jste připravili a připojili k vozidlu.
Tip: Věnujte 30 minut nastavení terminologické základny na své první práci s klientem. Tato investice zvyšuje rychlost i kvalitu veškeré následné práce a dodává pověst „značky konzistentní ve vašich překladech“.
Extrakce termínů a konstrukce termínové báze pomocí AI
Umělá inteligence urychluje tu nejnudnější část nastavování termínové báze: hledání kandidátů. Můžete LLM poskytnout zdrojový text a říci: „Uveďte v tomto textu termíny specifické pro doménu, ty, které se opakují, a ty, které vyžadují konzistentnost překladu.“ Poté schválíte tento seznam kandidátů, určíte správnou cílovou reakci a v případě potřeby potvrdíte se zákazníkem. Kritický bod: Umělá inteligence navrhuje termínové kandidáty, expert a zákazník rozhodují o termínu. Zda značka nazývá „schůzka“ nebo „rezervace“, je na rozhodnutí zákazníka, nikoli na AI.
Pro každý termín vložte do Termbase následující: zdrojový termín, schválený cílový protějšek, krátký popis/kontext, „nepoužívat“ (zakázané) ekvivalenty a případně značku domény/projektu. Psaní zakázaných ekvivalentů je nejúčinnějším způsobem, jak se vyhnout nekonzistentnosti (pro „účet“ NEPOUŽÍVEJTE pouze „účet“; „profil“, „členství“).
Udržování terminologické disciplíny po celou dobu překladu
Instalace Termbase nestačí; Je potřeba to implementovat. Tři vrstvy:
- Během překladu: Při překladu do LLM přidejte do výzvy termínovou bázi ("MUSÍ používat tyto výrazy s těmito ekvivalenty"). Pokud používáte nástroj CAT, připojte termbázi; Nástroj okamžitě zobrazí shodu.
- QA po překladu: Naskenujte hotový text podle terminologie. Zeptal jsem se LLM "jsou v tomto textu místa, která nejsou v souladu s termbází?" nebo spusťte termín funkce QA nástroje CAT.
- Aktualizace na konci projektu: Po dokončení práce přidejte nové podmínky a zpětnou vazbu od zákazníků do databáze termínů; termbase je živý dokument.
Upozornění: Když LLM poskytnete dlouhou terminologickou základnu, může „zapomenout“ některé termíny nebo je změnit v závislosti na kontextu. Takže nikdy nevynechejte kolo QA po překladu; Výzva nenahrazuje kontrolu.
tři mini pouzdra
Případ 1 – Termbase odstranil nesrovnalost. V dokumentaci o 60 000 slovech vytvořené softwarovou společností s 5 různými překladateli na volné noze bylo stejných 40 výrazů přeloženo desítkami různých způsobů. Jakmile byla vytvořena společná terminologická databáze a byly s ní sladěny všechny překlady, stížností na uživatelskou podporu typu „nemohu najít tuto obrazovku“ výrazně ubylo.
Případ 2 – AI snížila inferenci ze 2 dnů na 2 hodiny. Namísto ručního extrahování seznamu termínů z 200stránkového dokumentu zařízení nechal tým lékařských překladů navrhnout LLM: 380 kandidátských termínů bylo vypsáno za 2 hodiny. Expert je během 1 dne schválil a objasnil jejich odpovědi; Kdyby se to dělalo ručně, trvalo by to týdny. Rozhodnutí opět patřilo lidem.
Případ 3 – Zákazové pravidlo odvrátilo krizi. V terminologii značky byl „zákazník“ schválen jako „zákazník“ a „uživatel“ byl zakázán (kvůli umístění značky). Když nový překladatel zadal „uživatel“, výraz QA to zachytil a zkreslení jazyka značky bylo opraveno před uvedením do provozu.
Čtyři kopírovatelné šablony
1) Extrakce kandidáta na termín:
Vaše role: terminolog. Z následujícího textu [domény] extrahujte termíny, které vyžadují konzistenci v překladu: pojmy specifické pro doménu, opakující se fráze, názvy produktů/funkcí, zkratky. Uveďte každý termín ve zdrojovém jazyce, přidejte stručnou kontextovou poznámku. Rozhodnutí je na mně; Stačí navrhnout kandidáta. Přidávání běžných slov (a, ale).Text: [...]
2) Vytvoření řádku Termbase:
Připravte řádek terminologické báze pro následující výrazy: zdrojový výraz | navrhovaná cílová reakce | krátký popis | chybným odpovědím se vyhnout. Pokud si nejste jisti, označte odpověď [?]; Učiním rozhodnutí.Alan: [...] | Podmínky: [...]
3) Překlad kompatibilní s Termbase:
Přeložte tento text [zdroj]→[cíl]. MUSÍ použít níže uvedenou terminologii; NEPOUŽÍVEJTE zakázané ekvivalenty:- [zdroj1] → [cíl1] (použijte: [zakázaný1])- [zdroj2] → [cíl2]Pokud narazíte na výraz, který není v Termbase, označte jej [?]. Text: [...]
4) Kontrola kvality po překladu:
Naskenujte níže uvedený překlad oproti terminologické databázi, kterou jsem uvedl. Stačí uvést NEKOMPATIBILITY: který výraz byl použit, kde, s jakým nesprávným významem, jaký by měl být správný. Hlášení kompatibilních míst.Termbáze: [...] | Překlad: [...]
Slabá výzva / Silná výzva
Slabý: "Buďte opatrní s podmínkami." (Který termín, jaký ekvivalent, který zákaz – není jasné, stroj si vybere sám.)
Strong: "Při překladu tohoto textu použijte následující terminologii: 'dashboard'→'dashboard', 'log in'→'log in'. Pokud narazíte na termín, který není termínem, zadejte [?] a vymyslete si to sami."
Rozdíl: silná výzva specifikuje schválený protějšek, zakázaný protějšek a neznámý termín chování; konzistence je zaručena.
Tabulka terminologických nástrojů/přístupů
Přístup
co to dělá?
limit
Glosář (dva sloupce)
Malý podnik, rychlý start
Žádná definice/zákaz
Termbase (připojeno k CAT)
Automatické doporučení, QA
Instalace vyžaduje práci
Extrakce termínů s LLM
Zrychluje seznam kandidátů
Lidé rozhodují
Termín kontroly kvality
Chytá disonanci
Termbáze musí být aktuální
Seznam zakázaných ustanovení
Udržuje jazyk značky
Vyžaduje neustálou údržbu
Časté chyby
- Zahájení velké práce bez instalace Termbase. Nekonzistence následně exponenciálně narůstá.
- Bez otázek přijímáme odpověď navrženou AI. Rozhodnutí o terminologii je na klientovi/odborníkovi.
- Nepsat zakázané odpovědi. Pouhé napsání „správně“ nezabrání „špatnému“.
- Termín po překladu je přeskakování QA. Uvedení termbase do výzvy nezaručuje její implementaci.
- Neaktualizuje se Termbase. Mrtvá termbase bude časem zavádějící.
Vícejazyčná terminologie a schválení zákazníkem
Ve velkých projektech je termínová báze často vícejazyčná: koncept má protějšek ve více než jednom cílovém jazyce (zdroj → angličtina, němčina, turečtina, arabština). To zajišťuje konzistentní překlad stejného konceptu napříč všemi jazyky a urychluje práci, když je přidán nový jazyk. Ve vícejazyčné terminologii je třeba poznamenat, že každý jazyk má svůj vlastní kulturní a gramatický ekvivalent; Je špatné slepě kopírovat ekvivalent v jednom jazyce do druhého.
Terminologie má také rozměr řetězce schvalování. Z kritického hlediska by konečné rozhodnutí měl často učinit odborník na předmět nebo značku klienta, nikoli překladatel; Protože nejlépe znají oficiální/právní/značkový ekvivalent termínu. Proto je na velkých zakázkách dobrým zvykem označit terminologickou databázi jako „schválený“, „kandidát“ a „sporný“: požádáte zákazníka o kandidátské a kontroverzní podmínky, necháte je schválit a poté je uzamknete. Tato disciplína zabraňuje uprostřed úkolu „tento termín by měl být ve skutečnosti“ překvapením a hromadným překládáním.
V souhrnu
Terminologická jednotnost je neviditelným, ale nejdůležitějším prvkem kvality překladu. Hlavní překladatel vytvoří pro zakázku terminologickou základnu; Využívá AI k rychlému extrahování kandidátů na termín, ale rozhodnutí ponechává na zákazníkovi a odborníkovi; jasně píše schválené a zakázané odpovědi; Během překladu propojuje termbázi s výzvou/nástrojem a nikdy nepřeskočí kolo QA termínu po překladu. Termbase je živý dokument; roste v každém podnikání a chrání značku.
Aplikační úkol
Vyberte text pole (technický, lékařský nebo marketingový). Extrahujte alespoň 15 kandidátů termínu pomocí šablony „termín kandidát extrakce“, potvrďte je a zapište ekvivalenty, definice a zakázané ekvivalenty pomocí šablony „termínová linie“. Pak přeložte krátký text pomocí této terminologické báze, vyhledejte nekompatibility se šablonou „termín QA“ a opravte, co najdete.
kontrolní seznam
- [ ] V práci jsem si vytvořil terminologickou databázi/glosář.
- [ ] Schválil jsem kandidáty na funkční období AI a rozhodl jsem se.
- [ ] Kromě schválených reakcí jsem napsal i zakázané reakce.
- [ ] Během překladu jsem připojil termbase k promptu/nástroji.
- [ ] Provedl jsem kontrolu QA termínu po překladu a opravil jsem nekompatibility.