مدیریت اصطلاحات و ترمباس: سازگاری و زبان شرکتی

سود:

• توانایی اطمینان از سازگاری اصطلاحات با ایجاد یک پایگاه اصطلاحی و تعریف واضح معادل های تایید شده و ممنوع
• استفاده از هوش مصنوعی برای استخراج سریع نامزدهای ترم و تصمیم گیری نهایی ترم با متخصص و مشتری
• امکان اتصال termbase به ابزار/پست در حین ترجمه و تشخیص ناسازگاری با تور QA اصطلاح پس از ترجمه

در یک ترجمه فنی، اگر کلمه "حساب کاربری" را در یک مکان به عنوان "حساب کاربر"، "حساب عضو" در مکان دیگر، "نمایه کاربر" در جای دیگر ترجمه کنید، کاربر از بین می رود، نام تجاری ناسازگار ظاهر می شود، و جستجو/مستندات شکسته می شود، حتی اگر متن از نظر فنی "درست" باشد. بی‌صدا، اما تعیین‌کننده‌ترین عنصر کیفی ترجمه، سازگاری اصطلاحی است. در این واحد، مدیریت اصطلاحات، ایجاد یک پایگاه اصطلاحات (پایگاه داده اصطلاحات)، استخراج اصطلاحات با هوش مصنوعی و نحوه حفظ نظم اصطلاحات در طول ترجمه را خواهید آموخت. هدف این است که متخصصی باشید که در هر پروژه به یک روش در همه جا با مفهوم یکسانی برخورد کند و به زبان شرکت وفادار باشد.

مفاهیم اساسی

اصطلاحات واژه‌ها و عباراتی هستند که با مفاهیم خاصی از یک رشته یا موسسه مطابقت دارند ("پرداخت"، "سیاست بازگشت"، "سلول بنیادی"). ترمباس (TB — اصطلاح پایگاه داده) یک فرهنگ لغت ساختار یافته است که معادل های منبع-هدف، تعریف، یادداشت استفاده و «معادل های ممنوعه» این اصطلاحات را حفظ می کند. به ابزارهای CAT متصل می شود و به طور خودکار ترجمه را پیشنهاد می کند. استخراج اصطلاح فرآیند جمع آوری خودکار عباراتی است که باید از یک متن ترجمه/استانداردسازی شوند. واژه نامه یک فهرست ساده تر و دو ستونی از اصطلاحات است. در کارهای کوچک به جای termbase استفاده می شود.

چرا اینقدر مهم است؟ زیرا ترجمه ماشینی و LLM به خودی خود سازگاری اصطلاحات را تضمین نمی کنند. NMT می تواند هر جمله را به طور مستقل ترجمه کند. LLM ممکن است تصمیم خود را در متن طولانی تغییر دهد. چیزی که نظم و انضباط اصطلاحی را فراهم می کند، پایگاه اصطلاحی است که شما تهیه کرده اید و به وسیله نقلیه متصل کرده اید.

نکته: 30 دقیقه را صرف راه‌اندازی Termbase برای اولین کار خود با مشتری کنید. این سرمایه گذاری سرعت و کیفیت را در تمام کارهای بعدی افزایش می دهد و شهرت "برند ثابت در ترجمه های شما" را می بخشد.

استخراج اصطلاح و ساخت پایه ترم با هوش مصنوعی

هوش مصنوعی خسته‌کننده‌ترین بخش راه‌اندازی یک پایگاه اصطلاحی را سرعت می‌بخشد: یافتن نامزدها. می‌توانید یک متن مبدأ به LLM بدهید و بگویید: «اصطلاحات خاص دامنه را در این متن فهرست کنید، آن‌هایی که تکراری هستند، و آن‌هایی که نیاز به ثبات در ترجمه دارند». سپس این لیست از نامزدها را تأیید می‌کنید، پاسخ هدف صحیح را تعیین می‌کنید و در صورت لزوم با مشتری تأیید می‌کنید. نکته بحرانی: هوش مصنوعی به نامزدهای دوره پیشنهاد می کند، متخصص و مشتری در مورد اصطلاح تصمیم می گیرند. اینکه یک برند «قرار ملاقات» یا «رزرو» را بخواند، انتخاب مشتری است، نه هوش مصنوعی.

برای هر عبارت، موارد زیر را در Termbase قرار دهید: عبارت منبع، همتای هدف تایید شده، شرح/زمینه کوتاه، معادل‌های «استفاده نکنید» (ممنوع)، و تگ دامنه/پروژه در صورت وجود. نوشتن معادل‌های ممنوعه مؤثرترین راه برای جلوگیری از ناسازگاری است (برای «حساب»، فقط از «حساب» استفاده نکنید؛ «نمایه»، «عضویت»).

حفظ نظم اصطلاحات در طول ترجمه

نصب Termbase کافی نیست. نیاز به اجرا دارد. سه لایه:

1. در حین ترجمه: هنگام ترجمه به LLM، termbase را به دستور اضافه کنید ("باید از این اصطلاحات با این معادل ها استفاده کنید"). اگر از ابزار CAT استفاده می کنید، termbase را متصل کنید. این ابزار مسابقه را فوراً نشان می دهد.
2. QA پس از ترجمه: متن تمام شده را در برابر termbase اسکن کنید. من از LLM پرسیدم "آیا مکان هایی در این متن وجود دارد که با termbase مطابقت ندارد؟" یا عبارت QA function ابزار CAT را اجرا کنید.
3. به روز رسانی پایان پروژه: پس از پایان کار، شرایط جدید و بازخورد مشتری را به Termbase اضافه کنید. termbase یک سند زنده است.

احتیاط: هنگامی که به LLM یک پایه طولانی مدت می دهید، ممکن است برخی از اصطلاحات را "فراموش کند" یا بسته به زمینه آنها را تغییر دهد. بنابراین هرگز دور QA پس از ترجمه را نادیده نگیرید. درخواست جایگزینی برای بررسی نیست.

سه کیف کوچک

مورد 1 - Termbase اختلاف را حذف کرد. در یک مستند 60000 کلمه ای که توسط یک شرکت نرم افزاری با 5 مترجم آزاد مختلف ساخته شده است، همان 40 اصطلاح به ده ها روش مختلف ترجمه شده است. هنگامی که یک پایگاه اصطلاح مشترک ایجاد شد و همه ترجمه ها با آن تراز شدند، شکایاتی مانند "من نمی توانم این صفحه را پیدا کنم" به پشتیبانی کاربر به میزان قابل توجهی کاهش یافت.

مورد 2 - هوش مصنوعی استنتاج را از 2 روز به 2 ساعت کاهش داد. به جای استخراج دستی فهرستی از اصطلاحات از یک سند دستگاه 200 صفحه ای، یک تیم ترجمه پزشکی پیش نویس LLM را در اختیار داشت: 380 اصطلاح نامزد در 2 ساعت فهرست شد. کارشناس این موارد را در 1 روز تایید کرد و پاسخ آنها را روشن کرد. اگر به صورت دستی انجام می شد هفته ها طول می کشید. تصمیمات دوباره متعلق به مردم بود.

مورد 3 - قانون ممنوعیت از بحران جلوگیری کرد. در اصطلاح یک برند، «مشتری» برای «مشتری» تأیید شد و «کاربر» ممنوع شد (به دلیل موقعیت برند). هنگامی که مترجم جدید «user» را تایپ کرد، عبارت QA آن را پیدا کرد و تحریف زبان برند قبل از انتشار آن برطرف شد.

چهار قالب قابل کپی

1) استخراج نامزد ترم:

نقش شما: اصطلاح شناس از متن زیر [دامنه] عباراتی را استخراج کنید که نیاز به سازگاری در ترجمه دارند: مفاهیم خاص دامنه، عبارات تکراری، نام محصول/ویژگی، اختصارات. هر عبارت را در زبان مبدأ فهرست کنید، یک یادداشت مختصر زمینه اضافه کنید. تصمیم با من است. شما فقط یک نامزد پیشنهاد می کنید. اضافه کردن کلمات رایج (و، اما).متن: [...]

2) ایجاد خط ترمباس:

سطر مبنا را برای عبارات زیر آماده کنید: عبارت منبع | پاسخ هدف پیشنهادی | توضیحات کوتاه | پاسخ های اشتباه برای جلوگیری از اگر مطمئن نیستید، پاسخ را با [؟] علامت بزنید؛ من تصمیم خواهم گرفت.آلن: [...] | شرایط: [...]

3) ترجمه سازگار با ترمباس:

ترجمه این متن [منبع] → [هدف]. باید اصطلاحات زیر را اعمال کنید. از معادل های ممنوعه استفاده نکنید:- [source1] → [target1] (استفاده: [ممنوع1])- [source2] → [target2]اگر با اصطلاحی مواجه شدید که در Termbase نیست، آن را با [?] علامت گذاری کنید. متن: [...]

4) اصطلاح QA پس از ترجمه:

ترجمه زیر را در برابر اصطلاحی که ارائه کردم اسکن کنید. فقط ناسازگاری ها را فهرست کنید: کدام عبارت استفاده شده است، کجا، با چه معنای اشتباهی، چه چیزی باید صحیح باشد. گزارش مکان های سازگار.Termbase: [...] | ترجمه: [...]

اعلان ضعیف / اعلان قوی

ضعیف: "مواظب شرایط باشید." (کدام اصطلاح، کدام معادل، کدام ممنوعیت - نامشخص است؛ ماشین خودش انتخاب می کند.)

Strong: "هنگام ترجمه این متن، عبارت زیر را اعمال کنید: "داشبورد" → "داشبورد"، "ورود به سیستم" → "ورود به سیستم". اگر با اصطلاحی غیراصطلاح مواجه شدید، [؟] را قرار دهید و خودتان آن را بسازید."

تفاوت: اعلان قوی، همتای تایید شده، همتای ممنوعه و رفتار اصطلاح ناشناخته را مشخص می کند. ثبات تضمین شده است.

جدول ابزارها/رویکردهای اصطلاحات

رویکرد

چه کاری انجام می دهد؟

محدود کردن

واژه نامه (دو ستونی)

کسب و کار کوچک، شروع سریع

بدون تعریف / ممنوعیت

Termbase (متصل به CAT)

توصیه خودکار، QA

نصب نیاز به نیروی کار دارد

استخراج ترم با LLM

فهرست نامزدها را سرعت می بخشد

مردم تصمیم می گیرند

اسکن QA ترم

ناهماهنگی را می گیرد

Termbase باید به روز باشد

فهرست مواد ممنوعه

زبان برند را حفظ می کند

نیاز به نگهداری مداوم دارد

اشتباهات رایج

• شروع یک کار بزرگ بدون نصب ترمباس. ناسازگاری متعاقباً به طور تصاعدی افزایش می یابد.
• پذیرش پاسخ پیشنهادی هوش مصنوعی بدون سوال. تصمیم گیری در مورد اصطلاحات بر عهده مشتری/کارشناس است.
• ننوشتن پاسخ های ممنوع فقط نوشتن "درست" مانع از "غلط" نمی شود.
• اصطلاح پس از ترجمه رد شدن از QA است. قرار دادن termbase در اعلان اجرای آن را تضمین نمی کند.
• ترمباس به روز نمی شود. یک اصطلاح مرده به مرور زمان گمراه خواهد شد.

پایگاه چند زبانه و تایید مشتری

در پروژه‌های بزرگ، واژه‌نامه اغلب چند زبانه است: یک مفهوم در بیش از یک زبان مقصد مشابه دارد (منبع → انگلیسی، آلمانی، ترکی، عربی). این امر ترجمه یکسانی از یک مفهوم را در همه زبان‌ها تضمین می‌کند و با افزودن زبان جدید سرعت کار را افزایش می‌دهد. نکته ای که باید در اصطلاح چند زبانه به آن توجه کرد این است که هر زبان معادل فرهنگی و دستوری خود را دارد. کپی کورکورانه معادل در یک زبان به زبان دیگر اشتباه است.

اصطلاحات همچنین دارای بعد زنجیره ای تایید هستند. در شرایط انتقادی، تصمیم نهایی اغلب باید توسط متخصص موضوع مشتری یا تیم برند گرفته شود، نه مترجم. زیرا آنها معادل رسمی/قانونی/برند یک اصطلاح را بهتر می دانند. به همین دلیل است که در مشاغل بزرگ، برچسب‌گذاری پایگاه اصطلاحی به‌عنوان «تأیید شده»، «نامزد» و «معارض» تمرین خوبی است: شما کلاً از مشتری شرایط نامزد و بحث‌برانگیز را می‌خواهید، آنها را تأیید می‌کنید، سپس آنها را قفل می‌کنید. این رشته از میانه کار جلوگیری می کند «این اصطلاح در واقع باید باشد» تعجب و ترجمه مجدد انبوه.

به طور خلاصه

سازگاری اصطلاحی نامرئی اما تعیین کننده ترین عنصر کیفی ترجمه است. مترجم اصلی یک پایگاه اصطلاحی در مورد کار ایجاد می کند. از هوش مصنوعی برای استخراج سریع نامزدهای دوره استفاده می کند، اما تصمیم گیری را به مشتری و متخصص واگذار می کند. پاسخ های تایید شده و ممنوع را به وضوح می نویسد. در حین ترجمه، termbase را به prompt/tool ​​متصل می کند و هرگز از دور QA پس از ترجمه نمی گذرد. ترمباس یک سند زنده است. در هر کسب و کاری رشد می کند و از برند محافظت می کند.

وظیفه کاربردی

یک متن زمینه (فنی، پزشکی یا بازاریابی) را انتخاب کنید. حداقل 15 نامزد ترم را با قالب «استخراج نامزد ترم» استخراج کنید، آنها را تأیید کنید و معادل ها، تعاریف و معادل های ممنوعه را با الگوی «خط ترمباس» بنویسید. سپس یک متن کوتاه را با این پایگاه واژه ترجمه کنید، برای ناسازگاری با الگوی "ترم QA" اسکن کنید و آنچه را که پیدا کردید برطرف کنید.

چک لیست

• [ ] من یک پایگاه اصطلاحات/واژه نامه در محل کار تنظیم کرده ام.
• [ ] من نامزدهای دوره هوش مصنوعی را تایید کردم و تصمیم گرفتم.
• [ ] علاوه بر پاسخ های تایید شده، پاسخ های ممنوع را نیز نوشتم.
• [ ] من termbase را در حین ترجمه به prompt/tool ​​متصل کردم.
• [ ] من یک اسکن QA اصطلاح پس از ترجمه انجام دادم و ناسازگاری ها را برطرف کردم.