論文の概要: Problems of Non-equivalent Words in Technical Translation

• arxiv url: http://arxiv.org/abs/2311.12395v1
• Date: Tue, 21 Nov 2023 07:11:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 01:41:26.335296
• Title: Problems of Non-equivalent Words in Technical Translation
• Title（参考訳）: 技術翻訳における非等価単語の問題点
• Authors: Mohammad Ibrahim Qani
• Abstract要約: 対象言語で等価でない単語の翻訳は容易ではなく、それらの単語の適切な等価性を見つけることは、正しく描画することが非常に重要である。 2021年代の統計によると、英語は全世界で話されており、英語話者は135億人、ロシア語話者は2億2800万人である。 本研究では、ソース言語からターゲット言語への非等価な単語の描画方法と規則について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Translating words which do not have equivalent in target language is not easy and finding proper equivalent of those words are very important to render correctly and understandably, the article defines some thoughts and ideas of scientists on the common problems of non-equivalent words from English to Russian language and includes English and Russian examples and ideas of certain scientist. The English language is worldwide spoken and there are 1.35 billion English speakers and over 258 million Russian speakers according to the 2021s statistics. Inevitably, these billions of speakers around the world have connection and they may have deal in different criteria. In order to understand one another they need to have a pure and fully-understood language. These pure languages understanding directly relates to translation knowledge where linguists and translators need to work and research to eradicate misunderstanding. Misunderstandings mostly appear in non-equivalent words because there are different local and internal words like food, garment, cultural and traditional words and others in every notion. Truly, most of these words do not have equivalent in the target language and these words need to be worked and find their equivalent in the target language to fully understand the both languages. However, some of these non-equivalent words are already professionally rendered to the target language but still there many other words to be rendered. Hence, this research paper includes different ways and rules of rendering non-equivalent words from source language to the target language.
• Abstract（参考訳）: 対象言語に等価でない単語の翻訳は容易ではなく、それらの単語の適切な等価性を見つけることは、正しく理解しやすく、科学者の考えや考えを英語からロシア語への同値でない単語の共通的な問題について定義し、ある科学者の英語とロシア語の例とアイデアを含んでいる。 2021年代の統計によれば、英語は世界中で話されており、英語話者は135億人、ロシア語話者は2億8800万人である。 必然的に、世界中の何十億ものスピーカーがつながりを持ち、異なる基準で対処しているかもしれない。 互いに理解するためには、純粋で完全に理解された言語が必要です。 これらの純粋な言語は、言語学者や翻訳者が誤解を根絶するために働く必要がある翻訳知識に直接関係している。 誤解は、食べ物、衣服、文化、伝統の言葉など、あらゆる概念において、地域や内部の言葉が異なるため、ほぼ同値な言葉で現れる。 事実、これらの単語のほとんどはターゲット言語で同等ではないため、これらの単語は動作し、両方の言語を完全に理解するためにターゲット言語で同等である必要がある。 しかしながら、これらの非等価な単語のいくつかは、既にターゲット言語にプロフェッショナルにレンダリングされているが、他の多くの単語がレンダリングされている。 そこで本研究では,ソース言語からターゲット言語への非等価な単語の描画方法と規則について述べる。

関連論文リスト

• Decoupled Vocabulary Learning Enables Zero-Shot Translation from Unseen Languages [55.157295899188476]
  ニューラルマシン翻訳システムは、異なる言語の文を共通の表現空間にマッピングすることを学ぶ。 本研究では、この仮説を未知の言語からのゼロショット翻訳により検証する。 この設定により、全く見えない言語からのゼロショット翻訳が可能になることを実証する。
  論文  参考訳（メタデータ） (2024-08-05T07:58:58Z)
• What is a word? [1.223779595809275]
  語彙アクセスと意味論を分離するための強力なパラダイムを設計するには、単語が何であるかを知る必要がある。 この文書は、レキシコンが(しばしば誤解されるが)何であるか、(現在の良い理論に基づいて)何であるか、そして実験設計にどのような意味があるのかを概説している。
  論文  参考訳（メタデータ） (2024-02-19T23:58:20Z)
• That was the last straw, we need more: Are Translation Systems Sensitive to Disambiguating Context? [64.38544995251642]
  我々は、源泉に存在している意味的あいまいさ(本研究における英語)について研究する。 我々は、リテラルと図形の両方にオープンなイディオムに焦点を当てている。 現在のMTモデルは、たとえ文脈が比喩的解釈を示しているとしても、英語のイディオムを文字通りに翻訳する。
  論文  参考訳（メタデータ） (2023-10-23T06:38:49Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• Multi-lingual and Multi-cultural Figurative Language Understanding [69.47641938200817]
  図形言語は人間のコミュニケーションに浸透するが、NLPでは比較的過小評価されている。 Hindi, Indonesian, Javanese, Kannada, Sundanese, Swahili, Yorubaの7つの多様な言語に関するデータセットを作成しました。 我々のデータセットから,各言語は,同じ領域から派生した言語間で最も高い重なり合いを持つ,図形表現の文化的・地域的概念に依存していることが明らかとなった。 全ての言語は、事前学習データと微調整データの可用性を反映した性能の変化により、英語と比較して大きな欠陥がある。
  論文  参考訳（メタデータ） (2023-05-25T15:30:31Z)
• Linguistic Analysis using Paninian System of Sounds and Finite State Machines [0.0]
  音声言語の研究は、音韻学、形態学、文法を含む。 言語は根語、屈折言語、幹語に分類される。 これらすべての要因は、共通性と類似性を持つ語彙の形成と、言語間での区別と微妙な相違につながります。
  論文  参考訳（メタデータ） (2023-01-29T15:22:10Z)
• CLSE: Corpus of Linguistically Significant Entities [58.29901964387952]
  専門家が注釈を付けた言語学的に重要なエンティティ(CLSE)のコーパスをリリースする。 CLSEは74種類のセマンティックタイプをカバーし、航空券売機からビデオゲームまで様々なアプリケーションをサポートする。 言語的に代表されるNLG評価ベンチマークを,フランス語,マラティー語,ロシア語の3言語で作成する。
  論文  参考訳（メタデータ） (2022-11-04T12:56:12Z)
• Grammatical cues to subjecthood are redundant in a majority of simple clauses across languages [16.432784321296104]
  文法的な手がかりは、自然言語で単語の意味と重複することがある。 私たちは英語とロシア語で行動実験を行った。 8つの言語族の30言語にまたがって、パフォーマンスは一貫して高かった。
  論文  参考訳（メタデータ） (2022-01-30T21:01:10Z)
• Speakers Fill Lexical Semantic Gaps with Context [65.08205006886591]
  我々は単語の語彙的あいまいさを意味のエントロピーとして運用する。 単語のあいまいさの推定値と,WordNetにおける単語の同義語数との間には,有意な相関関係が認められた。 これは、あいまいさの存在下では、話者が文脈をより情報的にすることで補うことを示唆している。
  論文  参考訳（メタデータ） (2020-10-05T17:19:10Z)
• Unsupervised Separation of Native and Loanwords for Malayalam and Telugu [3.4925763160992402]
  ある言語からの単語は翻訳なしで別の言語で採用され、後者の言語で書かれたテキストで文字化された形で現れる。 この現象は、多くの単語が英語から借用されているインドの言語で特に広まっている。 本稿では,アグリニティブ・ドラヴィダ語からの単語の大規模なデータセットから,借用語を自動的かつ教師なしの方法で識別するタスクに対処する。
  論文  参考訳（メタデータ） (2020-02-12T04:01:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。