FI113096B - Integroitu tekstintuotto- ja käännösjärjestelmä - Google Patents

Description

113096

Integroitu tekstintuotto- ja käännösjärjestelmä

Keksinnön tausta 1. Keksinnön ala 5 Keksintö liittyy yleisesti tietokonepohjaiseen asi akirjojen luomis- ja käännösjärjestelmään ja erityisesti sellaiseen järjestelmään, jonka avulla teksti tuotetaan ensin rajoitetulla kielellä ja käännetään tämän jälkeen suoraan vieraalle kielelle ilman tarvetta tekstin esi- tai 10 jälkikäsittelyyn.

2. Läheinen tekniikka

Jokainen organisaatio, jossa tuotetaan suuria tietomääriä erilaisten asiakirjojen muodossa, kohtaa väistämättä tarpeen kyetä varmistamaan tällaisten asiakirjojen 15 täysi ymmärrettävyys. Ne tulisi periaatteessa tuottaa käyttäen yksinkertaista, suoraviivaista kieltä ja riittävää il-maisutarkkuutta onnistuneen viestinnän varmistamiseksi. Asiakirjakielen tulisi myös olla yhdenmukaista organisaatiolle tunnusomaisen yhtenäisen "äänen" luomiseksi. Käyte-20 tyn kielen tulisi lisäksi olla yksiselitteistä.

Pyrkimys tällaisiin tavoitteisiin kielenkäytössä on johtanut erilaisten tekstintuottoprosessien hallintaa var-ί,,,·’ ten suunniteltujen menettelytapojen käyttöönottoon. Kyvyk- ·;··: kyydeltään vaihtelevien ja eri taustoista tulevien kirjoit- 25 tajien pakottaminen yhdenmukaisiin tasovaatimuksiin ei kui-tenkaan onnistu ongelmattomasti. Kirjoittamista opastavat : .·. ohjeet, säännöt ja normit ovat vaikeasti määritettävissä ja niiden noudattamista on hankala valvoa. Ponnistelut kirjoi- • · · tustyön standardisoimiseksi ja sen laadun parantamiseksi 30 ovatkin tuottaneet hyvin kirjavia tuloksia. Lisäksi tällai- t » · : * set yritykset, onnistuivatpa ne kuinka hyvin tahansa, nos- '...· tavat asiakirjatuotannon kustannuksia.

Viime aikoina on pyritty kehittämään tekstintuotta-jille sopivia tietokonepohjaisia ohjelmistoympäristöjä, i * • f 35 joiden avulla voitaisiin parantaa kirjoitustyön tuotta- I t t » · * » < ► · » · 2 113096 vuutta ja laatua. Näissä kokeiluissa on kuitenkin onnistuttu tuottamaan vain oikolukuohjelmia. Muut kirjoitusohjel-mistot ovat jääneet valitettavan tehottomiksi.

Kun tietoja on toimitettava yli kielirajojen, haas-5 teet kasvavat moninkertaisiksi. Tiedonvälitystään järjestelevä organisaatio on jäänyt pitkälti - ellei peräti täysin - riippuvaiseksi käännöstyöstä.

Tekstejä on käännetty kielestä toiseen jo satoja vuosia. Ennen tietokoneita käännöstyöstä vastasivat sen 10 alusta loppuun saakka käsityönä tekevät, kääntäjiksi kutsutut asiantuntijat, jotka hallitsivat sekä lähdekielen (josta käännettiin) että kohdekielen (johon käännettiin). Perinteisesti pidettiin suotavana, että kääntäjä puhui kohdekieltä äidinkielenään ja oli vasta myöhemmin oppinut läh-15 dekielen toisena kielenä. Näin uskottiin päästävän mahdollisimman tarkkaan ja tehokkaaseen käännöstyöhön.

Tehtävänsä parhaitenkin hallitsevalta kääntäjältä kuluu suhteellisen pitkä aika yhden sivun tekstimäärän kääntämiseen. On muun muassa arvioitu, että asiansa osaava 20 kääntäjä kykenee kääntämään tunnissa vain n. 300 sanaa (n. yksi sivu) teknistä tekstiä englannista japaniksi. Näin ollen on ilmeistä, että erityisesti teknispainotteisen asia- * k · kirjan kääntäminen vaatii runsaasti aikaa ja voimavaroja.

Liike-elämän ja kaupan käännöstarpeet ovat kasva-25 neet tasaisesti viimeisen sadan vuoden aikana. Tähän on useita syitä. Yksi niistä liittyy kansainvälisen kaupan : .·. hoitoon tarvittavan tekstiaineiston määrän nopean kasvuun.

Samaten on kasvanut rajusti niiden kielten lukumäärä, joil- • · · la hoidetaan maailmanlaajuista kaupankäyntiä. Lisäksi kau-, 30 pankäynnin kiihtyvä vauhti on synnyttänyt tarpeen tehdä * asiakirjateksteihin muutoksia lyhyin aikavälein, mikä luon- '*··’ nollisesti johtaa jatkuvaan uusien tekstiversioiden jäl- leenkääntämiseen.

3 113096

Monien organisaatioiden on sekä valmisteltava tietomateriaalinsa että hoidettava sen jakelu useilla eri kielillä. Maailmanmarkkinoilla valmistajan tulee huolehtia opaskirjojen riittävästä saatavuudesta kohdemaan kielellä.

5 Asiakirjojen kääntäminen vieraalle kielelle käsityönä on kallista, aikaa vievää ja tehotonta. Käännökset jäävät usein epäyhtenäisiksi johtuen eri kääntäjien omista teksti-tulkinnoista ja mahdollisesta asiantuntemattomuudesta asiakirjassa käytetyn erikoisalakohtaisen kielen suhteen. Näis-10 tä syistä jäävätkin monet tarpeelliset opaskirjat kääntämättä.

Tuotekehittelyssä viime vuosisadan kuluessa tapahtuneen tiedon räjähdysmäisen kasvun myötä myös asiakirja-käännösten tarve on lisääntynyt. Enää ei ole olemassa vain 15 yhtä valtakieltä, joka hallitsisi tuotekehittelyn tiettyä erikoisalaa. Tämä tutkimusala on tyypillisellä tavalla hajautunut useiden kehittyneiden teollisuusmaiden osalle, esimerkiksi Yhdysvaltoihin, Isoon-Britanniaan, Ranskaan, Saksaan ja Japaniin. Tärkeitä, tiettyyn tutkimusalaan liit-20 tyviä asiakirjoja valmistellaan myös muilla kielillä. Teknologinen kehitys ja varsinkin sähkö- ja tietokonetekniikan aloilla tapahtuva edistys ovat edelleen luoneet kaikilla t · · ·.,/ kielillä tapahtuvaa tekstituotantoa kiihdyttäviä paineita.

Tekstituotannon mahdollisuudet ovat suoraan suh- 25 teessä käytetyn tekniikan tarjoamiin mahdollisuuksiin. Esi- ·;·.· merkiksi aikana, jolloin asiakirjat kirjoitettiin käsin, : tekstin kirjoittajalle oli mahdollista tuottaa vain rajal- • » · · linen määrä sanoja kutakin aikayksikköä kohden. Tämä suori- • · · tustaso kohosi kuitenkin merkittävästi mekaanisten apu-,, , 30 välineiden myötä; näihin kuuluivat mm. kirjoituskone, mo- •(i;‘ nistuskone ja painokone. Sähkö-, tietokone- ja optisen tek- ’>·' nilkan kehitys puolestaan on vienyt tekstintuottamisen mah- :\j dollisuuksia vieläkin pidemmälle. Nykyisin keskitason kir- ·;>>: joittaja kykenee tuottamaan merkittävästi enemmän tekstiä ' . 35 aikayksikköä kohden kuin mikä oli mahdollista käsinkirjoi- 4 113096 tuksen aikakaudella.

Kirjoitetun tekstin määrän nopea kasvu ja tekniikan alalla tapahtuvan kehityksen vauhti ovat kohdistaneet huomion lähdekielestä kohdekieleen (-kieliin) tapahtuvan kään-5 nöstyön merkitykseen. Sekä yliopistoissa että yksityisissä ja valtion tutkimuslaitoksissa on suunnattu huomattavasti tutkimusresursseja projekteihin, joissa on pyritty selvittämään mahdollisuuksia kehittää käännöstyötä ilman inhimillistä panosta itse käännösprosessissa.

10 Tuloksena on saatu mm. tietokonepohjaisia konekään- nösjärjestelmiä. Tällaiset tietokonejärjestelmät on ohjelmoitu suorittamaan käännöstyö (syöte) automaattisesti lähdekielestä kohdekieleen (tuloste). Tutkijat ovat kuitenkin joutuneet toteamaan, että automaattisesta konekäännöksestä 15 suoriutuvien tietokonejärjestelmien toteuttaminen on osoittautunut käytettävissä olevan tekniikan ja teoreettisen tietämyksen avulla mahdottomaksi. Tällä hetkellä ei ole olemassa tietokonejärjestelmiä, jotka kykenisivät suorittamaan konekäännöstä luonnollisesta lähdekielestä luon-20 nolliseen kohdekieleen ilman jonkinasteista asiantuntevien editorien/kääntäjien työpanosta prosessissa. Eräs tällaisista menetelmistä on kuvattu alla.

Tekstin esikäsittelyssä lähdekielen editori suorit-taa lähdekielen alkutarkistuksen. Lähdekielen editorin teh-25 tävänä on lähdetekstiin muutoksia tekemällä muokata se yh-·;·.· denmukaiseksi sen kanssa, mitä tiedetään konekäännöksen : kannalta tekstin optimaalisesta muodosta. Lähdekielen edi- · · φ tori päätyy tällaiseen muotoon yrityksen ja erehdyksen i « » kautta.

, 30 Kuvatun kaltainen tekstin esikäsittely saatetaan 1 * » toistaa useita kertoja muita, yhä asiantuntevampia lähde-'··' kielisen tekstin käsittelijöitä käyttäen. Näin valmisteltu lähdeteksti annetaan konekäännöksestä huolehtivan järjes-.;.>j telmän käsiteltäväksi. Tulosteena saatava kohdeteksti voi- * > * » » * · » * * * · » · 5 113096 daan vielä käännöstyön tarkoitusperistä tai sen tilaajan laatuvaatimuksista riippuen jälkikäsitellä.

Jos käännöstyölle asetetut laatuvaatimukset edellyttävät siltä ihmiskääntäjän suorittaman hyvän käännöksen 5 mukaista tasoa, konekäännöksen tuloste on todennäköisesti annettava jälkikäsittelyyn pätevälle ihmiskääntäjälle. Tämä johtuu inhimillisen kielen luontaisesta monimutkaisuudesta ja konekäännökseen kehitettyjen järjestelmien suhteellisen vaatimattomasta suorituskyvystä; konekäännösjärjestelmien 10 valmistusta rajoittavat aina käytettävissä olevan tekniikan taso, ajan ja resurssien asettamat luonnolliset rajoitukset ja kustannushyötyvaatimusten sanelema mielekkyys. Useimmat valmistetuista kohtuutasoisista järjestelmistä vaativatkin jälkikäsittelyä, jonka kautta pyritään parhaimman mukaan 15 saavuttamaan ihmisen tekemän käännöksen mukainen laatutaso.

Eräs tällaisista järjestelmistä on yhdysvaltalaisen Carnegie Mellon -yliopiston konekäännöksen tutkimuskeskuksen (Center for Machine Translation, Carnegie Mellon University) suunnittelema KBMT-89, joka suorittaa käännöstä 20 englannin ja japanin kielten välillä. Järjestelmän toiminta pohjautuu tietämyspohjaiseen aihealueen malliin, joka osallistuu vuorovaikutteiseen yksikäsitteistykseen (ts. asia-*.,.· kirjan editointiin sen tekstin sisältämien monitulkinta- isuuksien ratkaisemiseksi) . Vuorovaikutteinen yksikäsit-: .* 25 teistys ei kuitenkaan normaalisti tapahdu vuorovaikutukses- ·;··· sa tekstintuotosta vastaavan kirjoittajan kanssa. Kun jär- | jestelmä tunnistaa monitulkintaisen lauseen, jota se ei ky- kene yksikäsitteistämään, se keskeyttää prosessin monitul- i » | kintaisuuksien ratkaisemiseksi ja kysyy kirjoittajal- ... 30 ta/kääntäjältä sarjan monivalintakysymyksiä lauseen yksikä- » · » • · sitteistämiseksi. Koska KBMT-89 ei myöskään käytä nk. hyvin • · määriteltyä rajoitettua syötekieltä, tällaisen nk. kääntä-jäavusteisen vuorovaikutteisen yksikäsitteistämisen tuotta-*:·*· ma teksti vaatii jälkikäsittelyä.

• · 6 113096 Näin ollen olisikin suotavaa kehittää käännösjärjestelmä, jossa sekä esi- että jälkikäsittelyn tarve on eliminoitu.

IBM:n teknisessä tiedotuslehdessä, toukokuu 1986, 5 voi. 28, numero 12, sivut 5284 - 5286 kuvataan vuorovaikutteista kirjoittajan apuvälinettä, joka sallii kirjoittajien tehdä luonnollisella kielellä kirjoitetuista dokumenteista käännettävämpiä.

Keksinnön yhteenveto 10 Tämä keksintö käsittää järjestelmän, joka perustuu integroituihin tietokonepohjaisiin prosessikokonaisuuksiin yksikielisen asiakirjanvalmistelun ja monikielisten käännösten mahdollistamiseksi. Vuorovaikutteinen tietokoneeseen syötettävä tekstieditori soveltaa tekstin kirjoitta- 15 misessa käytettyyn luonnollisen kielen osajoukkoon leksikaalisia ja kieliopillisia rajoituksia ja tukee tekstin-tuotosta vastaavaa kirjoittajaa yksikäsitteistämisessä tekstin käännettävyyden varmistamiseksi. Tuloksena saatu käännöskelpoinen lähdekielinen teksti konekäännetään yh- 20 teen valinnaisista kohdekielistä ilman tarvetta tekstin jälkikäsittelyyn.

Piirustusten kuvaus

Kuviot 1(a) ja 1(b) esittävät korkeamman tason • ♦ » lohkoavaruuskaavioita keksinnön arkkitehtuurista.

25 Kuvio 2 esittää korkeamman tason vuokaaviota kek- sinnön toiminnasta.

* ·- i *j>>j Kuvio 3 esittää MT 120:n korkeamman tason tiedon- : kulkukaaviota ja arkkitehtuurin lohkoavaruuskaaviota.

« » 1 <·1 Kuvio 4 esittää esimerkkiä tietoelementistä.

• » · i t » 30 Kuvio 5 esittää korkeamman tason lohkoavaruuskaa- ,, , viota aihealueen mallista 500.

f · · • ;1 Kuvio 6 esittää korkeamman tason kulkukaaviota kielieditorin 130 toiminnasta.

;' · 1 Kuvio 7 esittää sanaston tarkistin 610:n toimintaa * · 35 kulkukaavion avulla havainnollistettuna.

> » ( Kuvio 8 esittää korkeamman tason kulkukaaviota yk- 1 ' r « sikäsitteistyslohkosta 630.

' ’ Kuvio 9 esittää tiedonkulkukaaviota ja arkkiteh tuurin avaruuslohkokaaviota MT 120:stä.

7 113096

Keksinnön yksityiskohtainen kuvaus I. Yleiskatsaus integroidusta järjestelmästä

Keksinnön tietokonepohjainen järjestelmä integroi seuraavat toiminnot: 5 1) Tekstintuottoympäristö asiakirjavalmistelua var ten, sekä 2) Moduuli tarkkaa, monikielistä konekäännöstä varten ilman tarvetta tekstin esi- tai jälkikäsittelyyn. Monikielisen asiakirjatuotannon yhteydessä voidaan käytetyn 10 tekniikan ansiosta varmistaa yhdenmukaisen tarkka, ajanmukainen ja kustannushyötysuhteeltaan edullinen käännös riippumatta tuotannon määrästä, sekä käytännöllisesti katsoen samanaikainen tiedon julkistaminen sekä lähde- että käännökseen valituilla kohdekielillä.

15 Päätös kytkeä lähdekielen tekstintuottotoiminto yh teen käännöstoiminnon kanssa perustuu kahteen periaatteeseen: 1) Monikansallisessa ja -kielisessä toimiympäristössä tiedonvalmistelu katsotaan loppuun saatetuksi vasta, 20 kun tiedot ovat valmiita toimitettavaksi käyttäjäkunnalle sen kaikilla kielillä.

2) Yhdistämällä tekstintuotto- ja käännösprosessit yhteen ja samaan kehykseen saavutetaan parantunut toiminta-teho muihin ratkaisuihin verrattuna.

25 Kuviossa 1(a) on korkeamman tason lohkoavaruuskaa- «;»· vion avulla esitetty integroitu tekstintuotto- ja käännös- : .1. järjestelmä IATS (Integrated Authoring and Translation Sys- • « · » tern) 105. IATS 105 on erikoistunut atk-ympäristö, joka on • · · suunniteltu organisaatioiden asiakirjatuotannon tarpeisiin.

.. . 30 Sen avulla asiakirja valmistellaan valitulla kielellä ja • 1 · : ’’ käännetään useille muille kielille. Näitä kahta eri toimin- » ! t '···1 toa tukee integroitu ohjelmakokonaisuus seuraavasti: ;‘· 1) Tekstintuotto - Ohjelmistojen alaryhmiin sisäl- • > tyy vuorovaikutteinen tietokoneeseen syötettävä tekstiedi- ' t 35 tori TE 140, jonka avulla tekstintuotosta vastaava kir- * · » 8 113096 joittaja kykenee luomaan yksikielistä tekstiä luonnollisen kielen aihesidonnaisen osajoukon leksikaalisten ja kieliopillisten rajoitusten puitteissa eli rajoitetun lähdekie-len mukaisesti. Lisäksi tekstieditori 140 mahdollistaa 5 tekstin lisäkäsittelyn käännöstä varten opastamalla teks-tintuotosta vastaavia kirjoittajia tekstin monitulkintaisuuksien ratkaisemisessa, jonka kautta teksti saadaan kään-nöskelpoiseksi ilman esikäsittelyä.

2) Käännös - Ohjelmiston alaryhmiin sisältyy myös 10 konekäännöstoiminto MT 120, joka kykenee kääntämään rajoitettua lähdekieltä halutulle määrälle eri kohdekieliä ge-neraattorimoduuliin ohjelmoitujen tietojen mukaisesti. Tuloksena saatu käännösteksti ei vaadi jälkikäsittelyä.

Keksinnössä yhteen kehykseen integroitu tekstin-15 tuotto- ja käännöstoimintojen kokonaisuus edustaa toistaiseksi ainoaa ratkaisua, jossa on käännöstoimintojen ympärille rakennettujen järjestelmien kohdalla onnistuttu eliminoimaan sekä esi- että jälkikäsittelyn tarve.

Tekstieditori TE 140 on työkalusarja, joka tukee 20 tekstintuotosta vastaavia kirjoittajia ja tekstin käsittelijöitä rajoitetulla lähdekielellä laadittujen asiakirjojen valmistuksessa. Nämä työkalut ohjaavat tekstintuotosta vas- ' · · .· taavaa kirjoittajaa käyttämään hyväksyttyä rajoitetun läh- '·* dekielen sanastoa ja kielioppia asiakirjan kirjoittami- *: 25 seksi. Tekstieditori 140 on suorassa viestintäyhteydessä ·;·*· kirjoittajan 160 kanssa.

: .·. IÄT S 105 on kuvion 1(b) mukaisesti jaettu neljään « « « · pääosaan, jotka vastaavat tekstintuotto- ja käännöstoimin-

t » I

noista: (1) rajoitettu lähdekieli CSL 133, (2) tekstiedito- .. , 30 ri TE 140, (3) konekäännöstoiminto MT 120 ja (4) aihealueen

malli DM 137. Tekstieditoriin 140 sisältyy kielieditori LE

• » *<··* 130 ja grafiikkaeditori GE 150. Lisäksi IATS 105reen kuuluu tiedostonhallintajärjestelmä FMS 110, joka ohjaa kaikkia ·;·>* prosesseja.

t I t I · 9 113096

Rajoitettu lähdekieli CSL 133 on lähdekielen osajoukko, jonka kielioppi ja sanasto kattavat käännettävän asiakirjamateriaalin aihealueen. Hyväksyttävän sanaston ja kieliopillisten lauserakenteiden vaatimukset määrittelevät 5 rajoitetun lähdekielen 133 niin, että käännösprosessissa ei tarvita esi- ja jälkikäsittelyä.

Tekstieditori TE 140 on työkalusarja, joka tukee tekstintuotosta vastaavia kirjoittajia ja tekstin käsittelijöitä rajoitetulla lähdekielellä laadittujen asiakirjojen 10 valmistuksessa. Nämä työkalut ohjaavat tekstintuotosta vastaavaa kirjoittajaa käyttämään hyväksyttyä rajoitetun lähdekielen sanastoa ja kielioppia asiakirjan kirjoittamiseksi. Kielieditori 130 on viestintäyhteydessä kirjoittajan 160 kanssa tekstieditorin 140 kautta. Kirjoittaja kom-15 munikoi kaksisuuntaisesti tekstieditorin 140 kanssa linjan 162 kautta. Kielieditori 130 viestii kirjoittajalle 160 käytettyjen sanojen ja ilmauksien yhdenmukaisuudesta rajoitetun lähdekielen kanssa. Kielieditori 130 pystyy ehdottamaan rajoitetun lähdekielen mukaisia synonyymejä sa-20 noille, jotka liittyvät asiakirjan kattavaan tiedon piiriin, mutta jotka eivät ole rajoitetulla lähdekielellä. Lisäksi kielieditori 130 kertoo kirjoittajalle 160, vastaako ' I · tekstikappale rajoitetun tekstikielen kieliopillisia vaati-muksia. Se avustaa kirjoittajaa myös sellaisten lauseiden 25 yksikäsitteistämisessä, jotka saattavat olla lauseopilli- • j·*· sesti oikein mutta ovat merkitykseltään epäselviä.

: MT 120 on jaettu kahteen osaan. Sen muodostavat • « · • · « · MT-analysaattori 127 ja MT-generaattori 123. MT-analysaat- • · · tori 127 toimii kahdella eri tavalla: se analysoi asiakir-.. , 30 jän ja varmistaa, että asiakirja on selkeästi rajoitetun * c · * ’ lähdekielen mukainen ja tuottaa välikielistä tekstiä. Ana- lysoitu teksti, joka on todettu rajoitetun lähdekielen mu-kaiseksi, käännetään tämän jälkeen valitulle vieraalle (kohde) kielelle 180. MT 120:n toimintaperiaatteen lähtökoh- 1 t 35 tana on Interlingva-pohjainen käännöstäpä. Suoraan vie- * » » • · 10 113096 raalle kielelle kääntämisen sijasta MT-generaattori 123 muuntaa asiakirjan ensin kielestä riippumattomaan, tietokoneen luettavissa olevaan muotoon, jota kutsutaan Inter-lingvaksi, ja tuottaa tämän jälkeen käännöksen Interling-5 va-tekstistä. Menetelmän ansiosta käännettyjä asiakirjoja ei enää tarvitse jälkikäsitellä. Jokaiselle kielelle luodaan oma MT 120 -versio, joka käsittää ensisijaisesti tie-tolähdesarjoja, jotka on suunniteltu opastamaan Interling-va-tekstin käännöstä vieraalle kielelle. Erityisesti on jo-10 kaista uutta kohdekieltä varten luotava erikseen uusi MT-generaattori 123.

Toiminnalliseen tilaan saatettu kielieditori 130 saattaa ajoittain pyytää kirjoittajaa 160 suorittamaan valinnan vaihtoehtoisten tulkintojen välillä tiettyjen lau-15 seiden kohdalla, jotka ovat rajoitetun lähdekielen kieliopillisten vaatimusten mukaisia mutta joiden merkitys on epäselvä. Tätä prosessia kutsutaan yksikäsitteistykseksi. Kun kielieditori 130 on todennut, että tietty tekstiosa sisältää ainoastaan rajoitetun lähdekielen mukaista sanastoa 20 ja vastaa sen kieliopillisia vaatimuksia, tekstille annetaan tästä hyväksymisnimike, kunnes yksikäsitteistys on suoritettu. Kuten jäljempänä käy ilmi, yksikäsitteistys ei vaadi muutoksia kirjoittajan nähtävillä oleviin tekstikoh-tiin. Kun teksti on yksikäsitteistetty, se on valmis kään-25 nettäväksi kohdekielelle 180.

• :·.· Käytännössä kielieditori 130 on rakennettu teksti- ; editorin 140 jatkeeksi. Tekstieditori 140 tuottaa tekstin- .·:·] käsittelyn perustoiminnot, joita tarvitaan tekstin ja tau- • · · lukkojen laatimiseen varsinaisessa tekstintuotto- ja edi- .. , 30 tointityössä. Grafiikkaeditori 150 vastaa grafiikan luomi - * ·' sesta.

» 1 i

Grafiikkaeditorin 150 avulla mahdollistuu grafiikan ,1'·.· tekstinimikkeiden haku tekstieditorin 140 kautta niin, että tällaiset tekstinimikkeet voidaan myös hyväksyä rajoitetun * # 35 lähdekielen mukaisiksi.

( ; k » · u 113096

Kielieditori 130 (tekstieditorin 140 kautta) kommunikoi MT-analysaattorin 127 ja sen kautta aihealueen mallin 137 kanssa yksikäsitteistyksen aikana kaksisuuntaisten yhteyksien välityksellä. Patenttihakemuksen suoritusmuodossa 5 aihealueen malli toimii yhtenä MT-analysaattoria 127 syöttävistä tietopohjista. Aihealueen malli 137 esittää symbolisesti MT-analysaattorin 127 ja kielieditorin 130 käyttämää rajoitetun lähdekielen sanastoa koskevan deklaratiivisen tiedon.

10 Kuviossa 2 on esitetty korkeamman tason kulkukaavi- on avulla IATS 105:n toimintaperiaate; MT 120, kielieditori 130, tekstieditori 140 ja grafiikkaeditori 150 toimivat kaikki tiedostonhallintajärjestelmän FMS 110 ohjauksessa. Ohjausyhteydet 111 - 113 toimittavat tarpeelliset ohjaus-15 tiedot IATS 105:n asianmukaisen toiminnan varmistamiseksi.

Kirjoittaja 160 käyttää aluksi tiedostonhallintajärjestelmää 110 editoitavan asiakirjan valitsemiseksi, ja tiedostonhallintajärjestelmä 110 käynnistää tekstieditorin 140 ilmaisten näin määritetyn asiakirjan tiedoston. Tekstiedito-20 rin 140 välityksellä asiakirjan kirjoittaja kirjoittaa lohkojen 160 ja 220 mukaisesti IATS 150:een mahdollisesti rajoittamattoman ja merkitykseltään epäselvän tekstin. Kirjoit-taja 160 luo ja muokkaa asiakirjan editoinnin standardikomen-'·’· toja käyttäen, kunnes se on valmis tarkistettavaksi rajoite- : 25 tun lähdekielen vaatimusten suhteen. On huomattava, että ·;·· asiakirjan kirjoittajien näin kirjoittama teksti on todennä- j köisesti enimmiltä osiltaan jo pitkälti valmisteltu rajoite- tun lähdekielen vaatimuksia silmällä pitäen. Tämän jälkeen • · t järjestelmä antaa palautetta niiden tekstikohtien osalta, . 30 joissa on poikettu ennalta määrätyistä sanasto- ja kielioppi- rajoituksista, ja tämän palautteen ohjaamana kirjoittaja » | muokkaa tekstin rajoitetun lähdekielen mukaiseksi. Näin saa-; vutettu tehokkuus on luonnollisesti suurempi kuin tilantees- ·:'*· sa, jossa alunperin kirjoitetaan täysin rajoittamatonta teks- ’ , 35 tiä. Järjestelmä kuitenkin toimii yhtä hyvin myös täysin ra- » · * » · » · 12 113096 joittamatonta tekstiä kirjoitettaessa jo alusta alkaen.

Kirjoittajan kommunikointi kielieditorin 130 kanssa tapahtuu hiiren napsautusten avulla tai tavallisilla näp-päimistökomennoilla. On kuitenkin huomattava, että myös 5 muita syötemuotoja, kuten esim. piirrin, ääni jne., voidaan käyttää, ilman että keksinnön suojapiiri tai toiminta samalla muuttuu. Tällainen syöte voi olla esim. komento, jonka avulla suoritetaan rajoitetun lähdekielen mukaisuuden tarkistus tai pyydetään annetun sanan tai ilmauksen määrit-10 elmä tai käyttöesimerkki.

Rajoitetun lähdekielen mukainen teksti, joka saattaa vielä sisältää merkitykseen liittyviä epäselvyyksiä tai on tyyliltään ongelmallinen, analysoidaan suhteessa tietopohjiin sisältyviin kieliopin sääntöihin lohkon 230 mukai-15 sesti. Kirjoittaja saa palautetta virheiden korjaamiseksi palauteyhteyden 215 kautta. Tarkemmin sanottuna kieliedi-tori 130 lähettää tietoja rajoitetun lähdekielen vastaisista sanoista, ilmauksista ja lauseista kirjoittajalle 160. Lopuksi teksti tarkistetaan merkitykseltään epäselvien lau-20 seiden varalta. Kielieditori kehottaa kirjoittajaa va litsemaan sopivimman tulkinnan lauseen merkityksestä. Tämä prosessi toistuu, kunnes teksti on täysin yksikäsitteis-·...· tetty.

Kun kirjoittaja on tehnyt tekstiin kaikki tarvitta-25 vat korjaukset ja analyysivaihe 230 on saatettu loppuun, « * · yksikäsitteistetty/rajoitettu teksti 240 ohjataan MT-ana- : lysaattorille ja tulkille 250. Tulkki sijaitsee MT-analy- • * « j.’;V saattorissa 127 yhdessä analysaattorin syntaktisen osan kanssa ja kääntää yksikäsitteistetyn/rajoitetun tekstin 240 30 interlingvaksi 260. Interlingvan 260 kääntämisen taas suo-

• » I

: >’ rittaa generaattorilohko 270 tulostaen kohdekieltä 280. Ku- » · ten kuviosta 3 ilmenee, interlingva-tekstx 260 on muodossa, ’· j joka voidaan kääntää useille kohdekielille 306 - 310.

! S » { * » · 13 113095

Edellyttämällä ja mahdollistamalla asiakirjojen valmistelu yksityiskohtaisten sanasto- ja kielioppirajoi-tusten mukaisesti tulee myös mahdolliseksi suorittaa rajoitetulla kielellä laaditun tekstin tarkka käännös vieraille 5 kielille ilman jälkikäsittelytarvetta. Jälkikäsittely tulee tarpeettomaksi, sillä kielieditorin sanaston tarkistusloh-kon 217 ja analyysilohkon 230 ansiosta kirjoittaja on jo ennen käännöstä muokannut ja/tai yksikäsitteistänyt asiakirjan kaikki mahdollisesti epäselvät lauseet ja kaikki salo nat, jotka eivät ole käännettävissä.

II. Toiminnallisten lohkojen yksityiskohtainen kuvaus

Patenttihakemuksen suoritusmuodossa kullakin teks-tintuotosta vastaavalla kirjoittajalla on käytössään oma 15 DEC-työasema, jossa on 32 Mt:n RAM, 400 Mt:n levyasema ja 19 tuuman värinäyttö. Kunkin työaseman kokoonpanon määritykseen kuuluu vähintään 100 Mt:n swap-tiedosto kovalevyllä. Kirjoittajien työasemien lisäksi on käytössä DEC-pal-velimia tiedostopalvelimina yksi kutakin kahta tekstin-20 tuottoryhmää kohden kuitenkin niin, että käyttäjien kokonaislukumäärä ei ylitä 45:tä minkään tiedostopalvelimen osalta. Tekstintuottotyöasemat liitetään edelleen Ethernet- • · > paikallisverkkoon. Järjestelmä käyttää Unix-käyttöjär jes-telmää (Berkeley Standard Distribution [BSD] -johdannainen 25 on suositeltavampi kuin System V [SYSV] -johdannainen). C-ohjelmointikielen kääntäjä ja OSF/Motif-ohjelmakir jastot : .*. ovat saatavilla. Kielieditorin toiminta hoidetaan Motif-

t t I

ikkunaohjaimesta käsin. On kuitenkin huomattava, ettei kek- * * · sintöä ole rajoitettu kyseisiin laite- ja ohjelmistoympä-30 ristöihin; myös muunlaiset ympäristöt voivat tulla kysymyk-:seen.

A. Tekstieditori ,· Patenttihakemuksen suoritusmuoto käsittää teksti- editorin 140, jonka avulla kirjoittaja voi syöttää tietoja, 35 jotka myöhemmin analysoidaan ja lopuksi käännetään vieraal- t

< I

14 113096 le kielelle. Keksinnön yhteydessä voidaan käyttää mitä tahansa markkinoilla saatavilla olevaa tekstinkäsittelyohjelmistoa. Suoritusmuotoon kuuluu SGML-tekstieditori 140, jonka toimittaja on ArborText (ArborText Inc., 535 West Wil-5 liam St., Ann Arbor, MI 48103, USA). SGML-tekstieditori 140 tuottaa tekstintuotosta vastaavien kirjoittajien ja editorien tarvitsemat toiminnot perustekstinkäsittelyä varten, ja sitä käytetään InterCapin (Annapolis, Maryland, USA) ohjelmiston kanssa grafiikan luomiseksi.

10 Keksintö hyödyntää SGML-tekstieditoria 140, koska se luo tekstiä käyttäen Standard Generalized Markup Language (SGML) -tuntomerkkejä (tags). SGML on kansainvälinen merkintäkielistandardi elektronisten asiakirjojen rakenteen kuvaamiseksi. Se on suunniteltu vastaamaan monipuolisen 15 asiakirjakäsittelyn ja -vaihdon asettamiin vaatimuksiin. SGML-tuntomerkit tekevät mahdolliseksi asiakirjojen kuvauksen niiden sisällön (teksti, kuvat jne.) ja loogisen rakenteen (luvut, kappaleet, kaaviot, taulukot jne.) suhteen. Suurempikokoisten, monimutkaisempien elektronisten asiakir-20 jojen kohdalla niiden ansiosta voidaan myös kuvata asiakirjan fyysinen jako tiedostoihin. SGML on suunniteltu niin, että sen avulla voidaan kaikentyyppisten, yksinkertaisten ·...· tai monimutkaisten, lyhyiden tai pitkien asiakirjojen ku- vailu suorittaa sekä järjestelmästä että sovelluksesta : 25 riippumattomalla tavalla. Tämä riippumattomuus mahdollistaa *; * * * asiakirjojen siirron eri järjestelmien välillä eri sovel- • luksia varten ilman väärintulkintaa tai tietojen menettä- • * * · mistä.

• · · SGML on merkintäkieli eli kieli, jonka avulla teks- ... 30 ti "merkitään" tai varustetaan huomautuksin koodattujen * * tietojen avulla tai niitä käyttäen. Tällainen tieto lisää *;·“ annetun tekstikappaleen jo välittämää tavanomaista teks- : tuaalista tietoa. Useimmissa tapauksissa tämä tapahtuu eri ·;··· puolille tekstiä sijoittuvien merkkijonojen muodossa. Kukin ‘ . 35 jono erotetaan ympäröivästä tekstistä sen aloittavien 1 » M » · 15 113096 ja päättävien erityismerkkien avulla. Ohjelmisto voi pyydettäessä varmistaa SGML-tuntomerkit tarkistamalla, että tekstiin on sisällytetty oikea merkintä. Lisätietoja SGML-tuntomerkeistä löytyy teoksesta International Standard 5 (ISO) 8879, Information processing - Text and office systems - Standard Generalized Markup Language (SGML), viite-nro ISO 8879-1986(E).

SGML-tuntomerkkien käytön ansiosta saadaan seuraavanalaiset valmiudet: 10 (1) Asiakirjojen jaottelu katkelmiin tai käännettä viin yksiköihin. Tekstieditorin 140 ohjelmisto käyttää sekä välimerkkejä että SGML-tuntomerkkejä syötetyn lähdetekstin käännöskelpoisten yksiköiden tunnistamisessa (SGML-tunto-merkkejä tarvitaan esim. osioiden alaotsikoiden tunnistami-15 sessa); (2) Niiden yksiköiden suojaus (eristys), joita ei tulla kääntämään. Vaikka järjestelmän lähtökohtana on, että kaikki sanat ja lauseet kuuluvat rajoitettuun kieleen, jota ei voida ennustaa etukäteen (esim. nimet ja osoitteet), tai 20 sanaston luokkiin, joita ei voida (helposti) tyhjentävästi eritellä (esim. osanumerot, laitteiden virheviestit), tällaiset kohdat voidaan kuitenkin ympäröidä SGML-tuntomer- • · · ·,,,! keillä ja näin ilmoittaa järjestelmälle, että ne eivät kuu- ·:“.· lu tarkistuksen piiriin.

25 (3) Sisällön tunnistus (esim. osanumero) kuten yllä • ;..j kohdassa (2) .

; (4) Osittaisten lauseiden kääntäminen (esim. merki- ,··_.[ tetyn listan kohdat) .

* t · (5) Avustaminen taulukoiden kääntämisessä (yksi so-, 30 lu kerrallaan) tekstin rakenteen tunnistamisen avulla. Tämä • >* ominaisuus on samankaltainen kuin kohdassa (1) yllä kuvat- tu.

:’· j (6) Avustaminen jäsennysprosessissa (kuvattu jäi- * · jempänä) kohtien (2), (3), (4) ja (5) kautta.

» ♦ ’ »> » » * 113096 16 (7) Avustaminen yksikäsitteistyksessä, jolloin voidaan sisällyttää näkymättömiä tuntomerkkejä lähdetekstiin ja näin osoittaa epäselvän lauseen oikea tulkinta.

(8) Avustaminen rahayksiköiden ja matemaattisten 5 yksiköiden kääntämisessä osoittamalla erityiskäsittelyä vaativat yksilölliset tekstityypit.

(9) Tekstiosan merkitseminen käännöskelpoiseksi tunnuksen avulla. Näin voidaan siis vahvistaa, että teksti-osio on suoriutunut yllä kuvatun prosessin läpi ja että 10 teksti on yksiselitteistä rajoitettua tekstiä, joka voidaan kääntää ilman tarvetta tekstin jälkikäsittelyyn.

Aikaisemmin kirjoittajien täytyi luoda (tekstieditorin 140 avulla) elektronisia asiakirjoja (vain tekstiä ei grafiikkaa), jotka edustivat kokonaista "kirjaa". Tämä 15 merkitsi sitä, että yksi tekstintuotosta vastaava kirjoittaja suoritti työn alusta loppuun ja että tuotetun tiedon jälleenkäyttö ei ollut helppoa. Nyt kyseessä oleva keksintö kuitenkin yhdistelee (tai luo) kirjoja (käsikirjoja, asiakirjoja) pienempien kappaleiden tai tietoelementtien sar-20 joista, minkä johdosta työn suoritukseen voi osallistua useita tekstintuotosta vastaavia kirjoittajia. Keksinnön seurauksena jälleenkäyttömahdollisuus on parantunut. Tieto-elementti määritellään tiettyä erityisalaa koskevan käyt-tötiedon pienimpänä erilliskappaleena. On kuitenkin huo-25 mättävä, että vaikka patenttihakemuksen suoritusmuoto hyö-·:*· dyntää tietoelementtejä, keksintö voi tuottaa tarkkoja, yk- | siselitteisiä asiakirjakäännöksiä tietoelementtejä käyt- 4 4» » tämättäkin.

» * *

Kuviossa 4 on esimerkki tietoelementistä 410, johon .. . 30 kuuluu "yksikäsitteinen" otsikko 415, "yksikäsitteinen" • > · tekstilohko 420, "jaettu" grafiikka 430, "jaettu" taulukko '··* 435 ja "jaettu" tekstilohko 425.

"Yksikäsitteinen" tieto on tietoa, joka koskee ai-noastaan sitä tietoelementtiä, johon se sisältyy. Tämä mer-1 , 35 kitsee sitä, että "yksikäsitteinen" tieto tallennetaan osa- * · 17 1 13096 na tietoelementtiä 450.

"Jaettu" objekti (grafiikka, taulukko, tai tekstilohko) on tietoa, joka on "varustettu viittein" tietoelementissä .

5 "Jaettujen" objektien sisältö ilmaistaan tekstin- tuottotyökalussa, mutta se on ainoastaan "osoitettu" tallennetussa tietoelementissä 450.

"Jaetut" objektit eroavat tietoelementeistä sikäli, että ne eivät toimi erillisinä (ts. ne eivät yksinään si-10 säliä riittävästi tietoa toimiakseen olennaisina tiedon siirtäjinä). Kukin "jaettu" objekti on itsessään erillinen tiedosto lohkon 450 mukaisesti.

Tietoelementit muodostetaan yhdistelemällä "yksikäsitteisiä" tietolohkoja (tekstiä ja/tai taulukoita) yhden 15 tai useamman "jaetun" objektin kanssa. Voidaan panna merkille, että "yksikäsitteinen" otsikko 415 ja "yksikäsitteinen" teksti 420 yhdistyvät "jaetun" grafiikan 430, "jaetun" taulukon 435 ja "jaetun" tekstin 425 kanssa. Yhden tai useamman tietoelementin sarja muodostaa kokonaisen asiakir-20 jän (kirja) .

"Jaetut" objektit on tallennettu "jaettuihin" kirjastoihin. Kirjastotyyppeihin sisältyvät "jaetut" grafiik-kakirjastot 460a, "jaetut" taulukkokirjastot 460b, "jaetut" tekstikirjastot 460c, "jaetut" audiokirjastot 460d ja "jae-I : 25 tut" videokirjastot 460e. Jaettu objekti tallennetaan muis- ····· tiin vain kerran. Yksittäisten tietoelementtien yhteydessä j vain "viittaukset" alkuperäiseen jaettuun objektiin sijoi- * i 1 · tetaan jaettuun informaatiotiedostoon 450. Näin minimoidaan tarvittavan kovalevytilan määrää. Kun alkuperäinen kohde ,. . 30 muuttuu, kaikki tietoelementit, jotka "viittaavat" tähän • · · kohteeseen, muuttuvat automaattisesti. Jaettua objektia • · ’·;·1 voidaan käyttää missä tahansa julkaisutyypissä.

"Jaettu tietoelementti" on tietoelementti, jota • · ·;·· käytetään useammassa kuin yhdessä asiakirjassa. Esim. ver- » «•II1 · 18 113096 siokohtaisen ohjelmakirjaston 470 neljää tietoelementtiä käytetään myös asiakirjojen 480 ja 485 osien luomiseen.

Kaikki viestintä kirjoittajan ja kielieditorin 130 välillä välittyy kielieditorin käyttöliittymän kautta, joka 5 on toteutettu joko SGML-editorin vakiovälineiden (kuten väli kko vaihtoehdot ) jatkeena tai erillisessä ikkunassa. Käyttöliittymän avulla saadaan ja hallitaan haku rajoitetun lähdekielen tarkistustoimintoihin ja sanaston hakutoimintoihin sekä ohjataan näiden käyttöä, ja se muodostaa ensi-10 sijaisen työkalun, jonka avulla käyttäjät ovat vuorovaikutuksessa rajoitetun lähdekielen kielieditorin kanssa. Joskin käsitteellä "käyttöliittymä" tarkoitetaan usein hieman yleisemmin liitäntää koko ohjelmistojärjestelmään, on se tässä rajoitettu käsittämään vain liitäntää rajoitetun läh-15 dekielen tarkistustoimintoihin, sanaston hakutoimintoihin ja yksikäsitteistystoimintoon.

Käyttöliittymän tulee mm. toimittaa selkeää tietoa koskien (a) kielieditorin toimintaa, (b) tämän toiminnan tuloksia ja (c) seuraavaa toimintaa. Esim. kun käyttöliit-20 tymän kautta käynnistetty toiminta tuottaa reaaliaikaisen tauon, jonka kesto jatkuu tiettyä minimipituutta kauemmin, tulisi käyttöliittymän tiedottaa kirjoittajalle mahdolli-·...· sesta viiveestä lyhyen viestin avulla.

*'·1'· Kirjoittaja voi aktivoida kielieditoritoiminnon va- : 25 litsemalla asianmukaisen vaihtoehdon tekstieditorin 140 va- «t» ·;··· likosta. Vaihtoehtoisten valintojen avulla kirjoittaja voi l käynnistää rajoitetun lähdekielen tarkistustoiminnot (sekä « 1 » · sanaston tarkistus että kielioppitarkistus) ja sanaston ha- t f | kutoiminnot sekä lukea niiltä tulevan palautteen. Kirjoit-.. . 30 taja voi pyytää työn alla olevan asiakirjan tarkistuksen i » · *,,1 aloittamista tai pyytää sanaston hakua annetulle sanalle • · *·;·’ tai ilmaukselle.

:1·.· Käyttöliittymä ilmaisee selkeästi jokaisen asiakir- • · ·:·· jasta löydetyn rajoitetun lähdekielen piiriin kuulumattoman * . 35 tapauksen. Tällaiset tapaukset voidaan ilmaista esim.

Miit » · · 19 113096 värin käytön avulla tai SGML-editorin ikkunassa näkyvän kirjasimen tyypin tai koon muutoksilla. Käyttöliittymä näyttää kaikki saatavilla olevat tiedot havaitusta rajoitetun lähdekielen vastaisesta sanasta. Asianmukaisessa tapa-5 uksessa se näyttää esim. viestin, joka kertoo, että sana ei ole rajoitetun lähdekielen mukainen, mutta että sille on löydettävissä rajoitetun lähdekielen mukaisia synonyymejä, jotka se luetteloi. Niissä tapauksissa, jois sa sanaston tarkistusraportti sisältää luettelon vaihtoehdoista kohtee-10 na olevalle rajoitetun kielen vastaiselle sanalle (esim. oikeinkirjoituksen tai rajoitetun lähdekielen mukaisten synonyymien suhteen), kirjoittaja voi valita yhden vaihtoehdoista ja pyytää sen automaattista käyttöä asiakirjassa. Joissakin tapauksissa kirjoittajan tulee mahdollisesti 15 muokata valitun vaihtoehdon kirjoitusasu (esim. lisätä sopiva pääte) varmistaakseen, että se on asianmukaisessa muodossa.

Kun kirjoittaja pyytää sanastotietoja, käyttöliittymä näyttää oikeinkirjoitusvaihtoehtoja, synonyymejä, mää-20 ritelmän ja/tai käyttöesimerkkejä osoitetulle kohteelle.

Kirjoittaja voi siirtyä nopeasti ja vaivattomasti tarkistintietojen ja sanaston hakutoimintojen antamien tie- 1 « t tojen välillä käyttöliittymän sisällä. Tämän johdosta kir-““· joittaja voi suorittaa tiedonhakuja (esim. synonyymien ha- : : 25 ku) samanaikaisesti rajoitetun lähdekielen vastaisen kieli- ·:*·· aineksen eliminoinnin kanssa.

j Useimmissa tapauksissa käyttöliittymä korvaa auto- 11« » maattisesti rajoitetun lähdekielen vastaiset sanat sen mu- • · 9 karsilla, ilman että käyttäjän tarvitsee muokata rajoitetun .. . 30 lähdekielen mukaista sanaa varmistaakseen, että se on •tl asianmukaisessa asussa. On kuitenkin tapauksia, joissa sa- * · naston tarkistustoiminnot (kuvattu jäljempänä) , jotka eivät suorita asiakirjan jäsennystä, eivät kykene tunnistamaan ·;·* tarvittavaa oikeaa muotoa. Hyvä esimerkki löytyy seuraavas- ‘ , 35 ta englanninkielisestä otsikosta, jossa käytetty verbi view • · » • » 20 113096 ("nähdä", "katsoa" jne.) ei ole rajoitetun lähdekielen mukainen, mutta sillä on kuitenkin rajoitetun lähdekielen mukainen synonyymi see:

Direction of Crankshaft Rotation 5 (when viewed from flywheel end)

Sanan käyttötapaan liittyvän epätarkkuuden johdosta sanastontarkistuksessa ei voida todeta, tulisiko saw (joku "näki") vai seen ("nähtynä") tarjota sanan viewed synonyyminä (ts. onko kyseessä aktiivi- vai passiivimuoto). Tässä 10 tapauksessa olisi tietenkin järkevää tarjota molemmat vaihtoehdot ja antaa kirjoittajan valita niistä oikea. Koska ei ole varmuutta siitä, että kaikissa tapauksissa on mahdollista tarjota kirjoittajalle vaihtoehto, joka voidaan valita näytöstä suoraan, LE 130 antaa luettelon vaih-15 toehtoisista korvaavista sanoista ja ilmauksista mahdollisuuksien mukaan oikeassa muodossa. Voi kuitenkin esiintyä tapauksia, jolloin kirjoittaja toteaa tarpeelliseksi muokata ehdotettua rajoitetun lähdekielen mukaista sanaa tai ilmausta ennen kuin pyytää sen sisällyttämistä asiakir-20 jaan.

Lopuksi kielieditorin käyttöliittymä avustaa lauseiden merkityksen monitulkintaisuuksien ratkaisemisessa. ·...· Tämä tapahtuu tarjoamalla ensin kirjoittajalle luettelo *''*· mahdollisista vaihtoehtoisista tulkinnoista, sallimalla • » i :>ti: 25 kirjoittajan tehdä näistä sopivin valinta, sekä sen jäl- ·:·· keen varustamalla kyseinen lause tuntomerkillä osoittamaan • kirjoittajan tekemä valinta.

« * · · B. Tiedostonhallintajärjestelmä * * *

Tiedostonhallintajärjestelmä FMS 110 toimii kir- .. . 30 joittajan liitäntänä tietoelementtien versiokohtaiseen • * * *,,) ohjelmakirjastoon 470 ja SGML-tekstieditoriin 140. Tavalli- ’*;·* sesti kirjoittaja valitsee tietoelementin editointia varten osoittamalla siihen liittyvän tiedoston tiedostonhallinta-·;"· järjestelmän liitännässä. Tiedostonhallintajärjestelmä 110 ’ , 35 käynnistää ja ohjaa tämän jälkeen kyseisen tietoelementin I I I I » t · » iiiii » · 21 113096 SGML-editointitoiminnon. Viimeistellyt asiakirjat toimitetaan edelleen ihmiseditorille tai informaation integroijaan tiedostonhallintajärjestelmän kontrolloimien apuvälineiden kautta.

5 C. Rajoitettu lähdekieli

Nykyaikaisen teknisen asiakirjamateriaalin monimutkaisuudesta johtuen on käytännössä mahdotonta tuottaa luonnolliseen kieleen perustuvasta rajoittamattomasta tekstistä korkealaatuisia konekäännöksiä. Suurimmat ongelmat 10 aiheutuvat nimenomaan kielen luonteesta. Lähdetekstin kääntämisessä ratkaisevin prosessi onkin sen merkityksen onnistunut kääntäminen kohdekielelle. Koska tällainen merkitys on löydettävissä tekstimerkkien pintakerroksen takaa, tulee tekstimerkit analysoida tarkasti. Analyysin kautta tavoi-15 tettu merkitys käytetään edelleen prosessissa, jossa tuotetaan kohdekielen merkit. Monet käännöstyön kaikkein hanka-limmista ongelmista liittyvätkin juuri kielen sisäisiin ominaisuuksiin, jotka vaikeuttavat lähdekielen analyysiä ja käännöskielen tuottamista.

20 Ongelmallisia ominaisuuksia ovat mm.: 1. Sanat, joilla on useampi kuin yksi merkitys epäselvässä asiayhteydessä

Esim. englannin kielen lause Make it with light ma- » terial. (Tarkoittaako light tässä yhteydessä "va- :#ii: 25 loisaa" vai "kevyttä"?) *:*· 2. Sanat, joiden muodostus ei ole yksiselitteinen ·* ·*. Esim. saksan kielen ilmaus Arbeiterinformation voi

t » I

olla joko "tietoa työntekijöille" (Arbeiter + In- » * i formation) tai "naistyöntekijöiden muodostelma/ 30 muodostus" [Arbeiterin + Formation) 3. Sanat, joilla on useampi kuin yksi syntaktinen *·;·’ rooli, » » 22 113096

Englannin kielen sana round voi olla substantiivi (S), verbi (V) tai adjektiivi (A): (S) Liston was knocked out in the first round.

(V) Round off the figures before tabulating them.

5 (A) Do not place the cube in a round box.

4. Sanayhdistelmät, joiden osilla voi olla useampi kuin yksi syntaktinen rooli:

Esim. British Left Waffles on Falklands.

(Jos Left waffles katsotaan olevan S + V, uutisot-10 sikko kertoo päättämättömästä brittiläisestä vasem mistosta) (Jos Left Waffles katsotaan olevan V + S, otsikko kertoo brittiläisten jälkeenjättämistä vohveleista) 5. Sanayhdistelmät epäselvissä rakenteissa 15 Esim. Visiting' relatives can be boring.

(Mikä voi olla pitkästyttävää - sukulaisissa vierailu vai vierailevat sukulaiset?)

Esim. Lift the head with the lifting eye.

(Onko lifting eye instrumentti vai pään "ominai- 20 suus"?) 6. Hämmentävä pronominin viittaus

Esim. The monkey ate the banana because it was... (Mihin it viittaa - apinaan vai banaaniin?) '·**· Varsinaiseen kielentuottamiseen liittyvät ongelmat • t · ‘ ’ 25 vaikeuttavat tilannetta edelleen ja hankaloittavat siten *:··: entisestäänkin kone käännöksen mahdollisuuksia.

• Käännösongelmia voidaan vähentää huomattavasti su-pistämällä tietyn tekstin kielellisten ilmiöiden vaihtelua. Ns. kielen osajoukko kattaa objektien, prosessien ja suh- .. . 30 teiden skaalan tietyn määritellyn aihealueen sisällä. Kie- * »

Ien osajoukko voi kuitenkin olla suppea sanastonsa osalta, ;·’ joskaan ei välttämättä kielioppikapasiteettinsa suhteen.

Valvotuissa olosuhteissa voidaan konekäännöksen mahdolli-i suuksia parantaa rajoittamalla sekä kielen osajoukon sanas- _ ’ . 35 to että sen kielioppi.

* · 23 113096

Sanastorajoitukset vaikuttavat sanaston laajuuteen välttämällä synonyymejä sekä sen sisältämiin monitulkin taisuuksiin rajoittamalla leksikaaliset yksiköt mahdollisuuksien mukaan yhteen merkitykseen kutakin yksikköä koh-5 den. On helppo kuvitella, kuinka tällaisten rajoitusten avulla voitaisiin välttää yllä kuvattujen esimerkkien 1, 2 ja 4 havainnollistamat ongelmat. Kielioppirajoitusten avulla voitaisiin eliminoida kokonaisuudessaan esimerkin 6 kaltaiset pronominalisaatio-ongelmat tai pyytää tarkoitet-10 tujen merkitykseen liittyvien monitulkintaisuuksien ratkaisemista joko lisäämällä tai toistamalla muuten tarpeetonta tietoa tai uudelleenkirjoituksen avulla. Jälkimmäisen vaihtoehdon sovelluksen parametrit ilmenevät seuraa-vasta esimerkistä: 15 Rajoittamaton, merkitykseltään epäselvä englannin kielinen lause (jonka tulkinta voi olla joko A, B1 tai B2 alla olevan mukaisesti): Clean the connect ing rod and main bearings.

Merkitykseltään yksiselitteinen englanninkielinen 20 versio A: Clean the connecting rod bearings and the main bearings.

Merkitykseltään yksiselitteinen englanninkielinen '· ·’ versio Bl: Clean the main bearings and the con- ’* '· necting rod.

• I I

25 Merkitykseltään yksiselitteinen englanninkielinen "•i versio B2: Clean the main bearings and the connect- • ing rods.

• * · ·

Leksikaalisten ja kieliopillisten rajoitusten määrä ja tyypit voivat vaihdella laajalti riippuen rajoitetun :·<·> 30 kielen osajoukon muodostamisen tarkoituksesta.

* »

Keksintö rajoittaa näin ollen asiakirjojen tekstin-*;*’ tuoton tapahtuvaksi rajoitetun kielen sisällä. Rajoitettu i t kieli on lähdekielen erityiskieli (esim. amerikanenglan-ti), joka luodaan tietyn käyttäjäsovelluksen aihealuetta ’ ; 35 varten. Rajoitettuja tai kontrolloituja kieliä koskeva 24 113096 yleiskatsaus löytyy teoksesta Adriaens et ai, From COGRAM to ALCOGRAM: Toward a controlled English Grammar Checker, esitetty kokouksessa Coling-92, Nantes, 23. - 28. elokuuta 1992, joka sisällytetään täten viitteenomaisesti tukemaan 5 patenttihakemusta. Rajoitetulle kielelle konekäännöksen yhteydessä asetetut tavoitteet ovat seuraavat: 1. Edesauttaa lähdekielisten asiakirjojen yhdenmukaisessa kirjoittamisessa ja edistää selkeää ja suoraviivaista kirjoitusta.

10 2. Luoda lähdeteksteille systemaattinen viitekehys, jonka avulla aikaansaadaan käyttäjäasiakirjojen nopea, tarkka ja korkealaatuinen konekäännös.

Niitä sääntöjä, joita asiakirjan kirjoittajan tulee noudattaa varmistaakseen kirjoitettavan tekstin yhdenmukai-15 suus rajoitetun lähdekielen vaatimusten kanssa, kutsutaan alla rajoitetun lähdekielen kieliopillisiksi rajoituksiksi. Kun näitä rajoituksia käytetään konekäännöskomponentissa tapahtuvaan rajoitetun lähdekielen mukaisten tekstien analysointiin, niiden atk-toteutusta kutsutaan alla rajoitetun 20 lähdekielen funktionaaliseksi kieliopiksi perustuen Martin Käyn kehittämiin ja R. Kaplanin ja J. Bresnanin modifioimiin formalismeihin (ks. Kay, M., "Parsing in Functional • s »

Unification Grammar", D. Dowty, L. Karttunen ja A. Zwicky, eds., Natural Language Parsing: Psychological, Com- 25 putational, and Theoretical Perspectives, Cambridge, Mass., ·:*· Cambridge University Press, 1985, s. 251 - 278; Kaplan, R.

: ja J. Bresnan, "Lexical Functional Grammar: A Formal System • i I » for Grammatical Representation", J. Bresnan, ed., The Men- * » · tal Representation of Grammatical Relations, Cambridge, .. . 30 Mass., MIT Press, 1982, s. 172 - 281; molemmat teokset si- » » · * säilytetään täten viitteenomaisesti tukemaan patenttihake- musta.) : ,· Tässä asiakirjassa tullaan toistuvasti käyttämään *;ilmaisua, että sana tai ilmaus on "rajoitetun lähdekielen ‘ , 35 mukainen" tai "rajoitetun lähdekielen vastainen". Alla on 25 113096 kuvattu rajoitetun lähdekielen asettamiin sanaston rajoi-tetyyppeihin liittyvät olettamukset sekä selitetty ilmaisun "rajoitetun lähdekielen mukainen" käyttö.

Sama englannin kielen sana tai ilmaus voi merkitä 5 useita eri asioita. Esim. yleissanakirjasta saattaisi löytyä seuraavat määritelmät sanalle leak: (1) verbi: vuotaa tai tihkua rikkouman, murtuman tai halkeaman kautta; (2) verbi: antaa (tietojen) vuotaa tai päästää tie-10 toon ilman virallisia valtuuksia tai lupaa; ja (3) substantiivi: halkeama, aukko tms., jonka kautta vuoto tapahtuu.

Kuhunkin näistä erilaisista merkityksistä viitataan sanan tai ilmauksen yhtenä "alamerkityksenä". Yhteen sa-15 naan tai ilmaukseen liittyvät useat alamerkitykset voivat tehdä konekäännöksen ongelmalliseksi, sillä konekäännösjärjestelmä ei voi toimia kaiken sen tiedon perusteella, jonka avulla ihminen erottaa tietyssä lauseessa mahdollisten merkitysten joukosta sen, joka on kirjoittajan tarkoittama. 20 Useiden sanojen kohdalla käännösjärjestelmä voi karsia monitulkintaisuutta tunnistamalla tietyn sanan sen lauseen tietyksi lauseenjäseneksi (substantiiviksi, verbiksi, ad- 1 I · jektiiviksi jne.). Tämä on mahdollista silloin kun sanan ,;,U eri merkitykset ovat sidonnaisia sen käyttöön eri lauseen- : : 25 jäseninä, kuten esim. yllä leak-sanan kohdalla.

·:··· Rajoitetun lähdekielen määritteet pyrkivät kuiten- j kin rajaamaan sanan tai ilmauksen merkityksen vain yhteen sanan kutakin lauseenjäsenfunktiota kohden ja täten välttämään sellaista monitulkintaisuutta, jota MT 120 ei pysty .. . 30 eliminoimaan. Kun sana tai ilmaus on näin saatu rajoitetun *,,* lähdekielen mukaiseksi, sitä voidaan käyttää rajoitetulla lähdekielellä ainakin yhdessä sen mahdollisista alamerki-: tyksistä. Näin kirjoittajalle voidaan rajoitetulla lähde- ·;··* kielellä kirjoitettaessa esim. sallia sanan leak käyttö ’ , 35 sen yllä annetuissa merkityksissä (1) ja (3), mutta ei • t 26 113096 merkityksessä (2). Sanan tai ilmauksen toteaminen rajoitetun lähdekielen mukaiseksi ei tarkoita sitä, että sanan tai ilmauksen kaikki mahdolliset käyttötavat ovat käännettävissä .

5 Jos sana tai ilmaus on rajoitetun lähdekielen mu kainen, myös kaikki sen eri muodot, jotka ilmaisevat sen rajoitetun lähdekielen alamerkityksiä, ovat rajoitetun lähdekielen mukaisia. Yllä olevan esimerkin mukaisesti kirjoittaja voi käyttää verbin leak lisäksi myös siihen 10 liittyviä verbimuotoja leaked, leaking ja leaks. Jos sana tai ilmaus, jolla on substantiivinen merkitys, kuuluu rajoitettuun lähdekieleen, sekä sen yksikkö- että monikkomuotoja voidaan käyttää. On kuitenkin todettava, että ilmaukset, jotka voivat toimia useampana kuin yhtenä lauseenjä-15 senenä, ovat epätavallisia. Tämä ongelmanratkaisumenetelmä onkin siten vähemmän merkityksellinen monitulkintaisten ilmausten kohdalla.

Sanasto on tietyssä kielessä tai erityiskielessä käytettyjen sanojen ja ilmausten kokoelma. Rajoitettuun 20 aihealueeseen viitataan rajoitetun sanaston avulla, jota käytetään välittämään tai ilmaisemaan tiettyä rajallista kokemuksen alaa koskevaa tietoa. Rajoitettu aihealue voi > · · • » olla esim. maatalous, jolloin rajoitettu sanasto sisältää-si maatalousvälineitä ja -töitä koskevia sanoja. Konekään-25 nöskomponentin toiminta käsittää useampia kuin vain yhden ·;·*: sanaston. Konekäännöksessä käytettävät sanat ja ilmaukset • :tallennetaan MT-sanastoon. Sanasto voidaan jaotella eri • · · » luokkiin: (1) funktionaaliset sanat; (2) yleistä sisältöä ♦ » » kuvaavat sanat; ja (3) tekninen sanasto.

... 30 Englannin kielen funktionaaliset sanat ovat yksit- täisiä sanoja ja sanayhdistelmiä, jotka toimivat ensisijai- • t sesti ajatusten yhdistäjinä lauseessa. Niitä tarvitaan lä-hes jokaisessa englanninkielisessä kirjallisen viestinnän ·:·* lajissa. Tähän luokkaan kuuluvat prepositiot (to, from, ' . 35 with, in front of jne.), konjunktiot (and, but, or, 27 113096 if, when, because, since, while jne.)/ määreet (the, a, your, most of), pronominit (it, something, anybody jne.), tietyt adverbit (no, never, always, not, slowly jne.) ja apuverbit (should, may, ought, must jne.).

5 Yleistä sisältöä kuvaavia sanoja käytetään laajalti kuvaamaan ympäröivää maailmaa; pääasiallisessa käyttötavassaan ne heijastelevat tavallisen inhimillisen kokemuksen sisältöä.

Asiakirjat kohdistuvat tyypillisesti tiettyyn inhi-10 millisen kokemuksen pitkälle erikoistuneeseen osa-alueeseen (esim. koneet ja niiden ylläpito). Konekäännöksessä yleistä sisältöä kuvaava sanasto jää näin ollen suhteellisen rajalliseksi .

Tekninen termistö sisältää teknistä sisältöä kuvaa-15 via sanoja ja ilmauksia sekä käyttäjäsovellussidonnaista erityissanastoa. Tekniset sisältöä kuvaavat sanat ovat sanoja ja ilmauksia, jotka ovat ominaisia tietylle toimintapiirille tai jollekin erityisalalle. Useimmat tekniset sanat ovat substantiiveja, joita käytetään nimeämään esim. 20 osia, komponentteja, koneita tai materiaaleja. Niihin voi kuitenkin kuulua myös muita sanaluokkia, kuten esim. verbejä, adjektiiveja ja adverbejä. Koska tällaisia sanoja ei

* I I

ί,,,ί luonnollisestikaan käytetä tavallisessa jokapäiväisessä •:**: keskustelussa, ne eroavat jyrkästi yleistä sisältöä kuvaa- 25 vista sanoista.

i > »

Teknistä sisältöä kuvaavat ilmaukset ovat monista i · : ·, sanoista koostuvia sanaketjuja, jotka rakentuvat kaikista edellä käsitellyistä luokista. Tällaiset ilmaukset edustavat tekniselle asiakirjasanastolle luonteenomaisinta muo-30 toa. Käyttäjäsovellussidonnainen sanasto on se sanaston » * · : »' osa, joka sisältää käyttäjän nimenomaisesti sovellusta var- *...· ten luomat sanat ja monimutkaiset termit. Tällaisia ovat | mm. tuotenimikkeet, asiakirjojen otsikot, käyttäjän käyt-

* I

tämät akronyymit ja lomakenumerot.

* » » · 28 113096 Käyttökelpoisen ja täydellisen sanaston luomisella on tärkeä merkitys asiakirjanvalmistuksessa. Kun asiakirjamateriaali sittemmin käännetään, muodostuu sanastosta tärkeä resurssi itse käännöstyössä. MT 120 on suunniteltu 5 käsittelemään useimmat englanniksi esiintyvät funktionaa liset sanat, lukuun ottamatta hyvin henkilökohtaiseen (I, me, my jne.) tai sukusidonnaiseen (hers, she jne.) tai muuhun pronominikäyttöön (it, them jne.) viittaavia sanoja. Tähän sisältyvät myös monet tekniset lainat englannin 10 yleissanoista (kuten esim. truck tai length). Suuri enem mistö rajoitetun kielen sanastosta muodostuu täten "eri-tyistermeistä" (esim. teknisistä termeistä), jotka koostuvat yhdestä tai useammasta sanasta ja ilmaisevat tietyn erityisalueen olioita ja tapahtumia. Sikäli kun sanasto ky-15 kenee ilmaisemaan erityisalueen käsitteiden koko kirjoa, sen voidaan katsoa olevan täydellinen.

IATS 105 -järjestelmän menestyksekkään ratkaisun takana on osaltaan rationalisoidun mutta silti täydellisen sanaston onnistunut kehittäminen. Sanaston oikean ja vir-20 heellisen käytön määrittävä rajoitettu kieli varmistaa, että asiakirjat voidaan valmistella tavalla, joka edistää nopeaa, tarkkaa ja korkealaatuista konekäännöstä.

Sanastoon kuuluvien sanojen tulisi kuvastella sel- keitä käsitteitä ja niiden tulisi olla sopivia kohdeluki- 25 jakunnan kannalta. Vältettäviin ilmaisuihin kuuluvat mm.

sukupuolisuuteen liittyviä ennakkoluuloja ja eriarvoisuutta : heijastelevat ilmaukset ja termit, puhekielenomaiset il- • * · maukset, idiomit, vaikeaselkoiset tai liian tekniset sekä epämääräiset tai viestintää muuten haittaavat ilmaisut. Nä-30 mä ja muut yleisesti hyväksytyt tyyliseikat eivät luonnol- ·' *’ lisestikaan ole välttämättä pakollisia konekääntämisessä, mutta ne toimivat silti tärkeinä opasteina asiakir j atuo- t : tannossa yleensä.

On huomattava, että vaikka tässä asiakirjassa käsi-35 tellyistä rajoitettua lähdekieltä ja/tai kieltä yleensä 29 113096 koskevista kysymyksistä valtaosa keskittyy amerikanenglannin ympärille, voidaan vastaavia vertailukohtia löytää myös kaikista muista kielistä. Tässä kuvattu järjestelmä 100 ei olennaisesti edellytä amerikanenglannin käyttöä lähdekiele-5 nä. Järjestelmä 100 on itse asiassa suunniteltu toimimaan myös muilla lähdekielillä. Kielieditorin 130 ja MT 12Q:n kanssa vuorovaikutuksessa olevat tietokannat (esim. aihealueen malli) tulee kuitenkin vaihtaa kyseessä olevan läh-dekielen rajoitusten mukaisiksi.

10 Amerikanenglannin yleiskielen oikeinkirjoitussään töjä tulee noudattaa. Epätavallisia kirjoitusasuja, kuten thru sanasta through, moulding sanasta molding tai hodometer sanasta odometer, tulee välttää. Isolla alkukirjaimella kirjoitettuja sanoja (esim. On-Off, Value Planned Repair) 15 tulisi käyttää ainoastaan sanojen erityismerkityksen ilmaisemiseen. Tällaiset sanat tulee sisällyttää käyttäjäsovel-luksen sanaluetteloon, samoin kuin myös sanat, joille on ominaista epätavallinen ison alkukirjaimen käyttö (Bra-keSaver). Samaten mahdollisesti käytetyt lyhenteet (ROPS, 20 API, PIN) tulee sisällyttää käyttäjäsovelluskohtaiseen sanastoon. Numeroiden, mittayksiköiden ja päivämäärien muodon tulee olla yhtenäinen.

• · · ·,,,· Rajoitetun kielen mukaisia korvaavia ilmauksia tu- lee myös käyttää niiden rajoitetun kielen merkityksen mu-25 kaisesti. Näin toimien kirjoittaja varmistaa, että kone-·;··· käännös kääntää sanan aina sen asianmukaisen rajoitetun j kielen merkityksen mukaisesti. Jotkut englanninkieliset sa- * · I · .·;·, nat voivat myös kuulua useampaan kuin yhteen syntaktiseen kategoriaan. Rajoitetussa kielessä kaikkia syntaktisesti .. . 30 epäselviä sanoja tulisi käyttää lauserakenteissa, jotka yk- sikäsitteistävät ne.

Joillakin aloilla on aihealueen erityisluonteesta aiheutuvana ongelmana pitkien, substantiiveista rakennet-*: * tujen yhdyssanojen toistuva käyttö. Tällaisten yhdyssanojen ' . 35 sisältämien substantiivien väliset keskinäiset modifiointi- t i ί i 30 113096 suhteet ilmaistaan eri tavoin eri kielissä. Koska aina ei ole mahdollista välittää tällaisia suhteita lähdetekstistä kohdekielelle, luonteenpiirteiltään seuraavan kaltaiset monimutkaiset substantiiviset yhdyssanat voidaan sisällyttää 5 konekäännöstoiminnon sanaluetteloon: -Tekniset termit käyttäjäsovelluskohtaisesta sanastosta -Yhdyssanat, joiden osat ovat itsenäisiä (esim. tietyt englanninkieliset sanat) 10 Monimutkaisia substantiivi-substantiivi-rakenteisia yhdyssanoja tulisi välttää mahdollisuuksien mukaan. Kone-käännös kykenee kuitenkin käsittelemään joidenkin sanaston nimikkeiden kohdalla tämänkin asiakirjoille tyypillisen luonteenpiirteen. On merkille pantavaa, että substantiivi- 15 substantiivi-muotoisten yhdyssanojen muodostus, joka on hyvin tavallista englannin kielessä, ei välttämättä ole yleistä muissa kielissä, ja näin ollen rajoitukset, joiden alaisuudessa rajoitettu kieli luodaan, vaihtelevat käytetystä lähdekielestä riippuen.

20 Englannin kielessä on myös runsaasti verbin ja par tikkelin yhdistelmiä, joissa verbiin on yhdistetty prepositio, adverbi tai muu lauseenjäsen. Koska verbin ja par- • · · tikkelin välissä voi usein esiintyä objekti tai muu ilmaus, syötetekstin konekäännöskäsittely voi olla monimutkaista ja 25 epäselvää. Näin ollen verbin ja partikkelin yhdistelmät tu- « · ·;·.] lisi korvata mahdollisuuksien mukaan yksisanaisella verbil- ; lä. Esim. tulisi käyttää sanaa: - must tai need ilmauksen have to sijasta; - consult ilmauksen refer to sijasta; 30 - start the motor ilmauksen turn the motor on si- ‘ *’ jasta.

’* ’ Mahdollisuuksien mukaan tulisi käyttää sanoja ja ·’ I ajatuksia näiden täydellisessä muodossa. Tämä on erityisen : ; tärkeää silloin kun on olemassa väärinkäsityksen vaara.

1 , 35 Esim. ilmauksessa: * » S * » 31 113096

Use a monkey wrench to loosen the bolt...

(Käytä jakoavainta pultin irrottamiseksi...) sanaa wrench (ruuviavain) ei tule jättää pois. Vaikka useimmat tekniikkaan perehtyneet henkilöt ymmärtäisivät 5 lauseen sisällön ilman tätä sanaakin pelkän sanan monkey (apina) perusteella, sen merkitys tulee kuitenkin tehdä selväksi käännösprosessin kuluessa. Caterpillarin teknisellä kielellä luodulla tekstillä tulee olla sanasto, joka ilmaistaan täydellisenä mahdollisuuksien mukaan; lyhenteet 10 tai lyhennetyt sanamuodot tulisi kirjoittaa uudelleen lek-sikaalisesti täydellisiksi ilmaisuiksi.

Toinen esimerkki:

If the electrolyte density indicates that...

(Jos elektrolyytin voimakkuus osoittaa, että...) 15 Lauseen merkitys tulee ilmi selkeämmin ja kokonaisuudessaan, kun ajatus tuodaan täydellisemmin esille lisäämällä sana measurement (mittaus):

If measurement of the electrolyte density indicates that... (Jos elektrolyytin voimakkuuden mittaus 20 osoittaa, että...)

Lopuksi on seuraavissa lauseissa alunperin puuttuvien sanojen tai ilmausten kohdalle lisätty alleviivatut ' ..· sanat täsmentämään lauseen merkitys:

Turn the start switch key to OFF and remove the key 25 Pull the backrest (1) up, and move the backrest to « » » ·;·· the desired position.

; .·. Jump starting: make sure the machines do not touch • · * · each other.

• · · Tällaiset "aukot" täyttämällä saadaan lauseen si-, 30 sältämä ajatus paremmin esille ja mahdollisuudet tuottaa • ;* mielekäs käännös IATS 105:llä paranevat. Aukkojen aiheutta- I » *···* mat käännösvirheet ovat yleinen syy jälkikäsittelyyn, mistä syystä niitä tulee välttää.

: Puhutussa englannissa suositaan hyvin yleislaatuis- • , 35 ten sanojen käyttöä. Tämä saattaa johtaa tiettyyn epämää- 32 113096 räisyyteen, joka täytyy korjata käännöstyön aikana. Esim. sanat kuten conditions, remove, facilities, procedure, go, do, is for, make, get jne. ovat oikein mutta epätarkkoja. Esimerkkilauseessa: 5 When the temperature reaches 0 °C, you must take special precautions.

sanasta reaches ei välity selkeästi, onko lämpötila laskemassa vai kohoamassa. Valittaessa ilmaukseksi toinen näistä kahdesta vaihtoehdosta lauseen merkitys tarkentuu sen luet-10 tavuuden millään lailla kärsimättä.

Joissakin kielissä erotellaan asioita eri tavalla kuin englannin kielessä. Esim. englannissa käytetään sanaa oil riippumatta siitä, onko kyseessä voiteluaine vai polttoaine, ja sanaa fuel käytetään ilman erottelua myös die-15 selöljystä. Samaten sanasta door ei ilman asiayhteyden tuomia vihjeitä aina voi päätellä, minkälaisesta ovesta on kysymys - auton ovi? Rakennuksen ulko-ovi? Väliseinässä oleva kulkuportti? Muissa kielissä saatetaan käyttää kussakin tapauksessa englannin kielestä poikkeavaa ilmausta. Täydelli-20 siä ilmauksia tulisikin käyttää mahdollisuuksien mukaan.

C. Aihealueen malli

Tietämyspohjaisen konekäännöksen (Knowledge-based Machine Translation, KBMT) tukena tulee olla maailmantieto ja kielitieteellinen semanttinen tietämys leksikaalisten 25 yksiköiden ja niiden yhdistelmien merkityksistä. KBMT-tie-'V.* tämys kannan täytyy kyetä esittämään ei ainoastaan kohde- : : : tyyppien yleinen taksonominen aihealue, kuten esim. car is a kind of vehicle (auto on eräänlainen kulkuneuvo) , a door handle is part of the door (ovenkahva kuuluu oveen), arte-:v. 30 fakteille on (muun ohella) ominaista se, että ne ovat jon- kun "tekemiä"; sen tulee esittää myös tietoa kohdetyyppien erityisistä tapauksista (esim. "IBM" voidaan sijoittaa ai-healueen malliin kohdetyypin "yritys" merkittynä erityiset tapauksena) sekä (mahdollisesti kokonaisuuksista muodostu- : 35 vien) tapahtumatyyppien erityistapauksista (esim. George 33 113096

Bushin valinta Yhdysvaltain presidentiksi on kokonaistoiminnan "valita" merkitty erityistapaus). Tietämyskannan ontologinen osa järjestyy monihierarkiaksi, joka koostuu taksonomioita muodostavilla kytkennöillä toisiinsa liittyvistä 5 käsitteistä, kuten esim. englannin kielen is-a, part-of tms. Muodostuvaa rakennetta kutsutaan tässä monihierarkiaksi, koska käsitteillä voi olla useita yläkäsitteitä kutakin linkkityyppiä kohden.

Aihealueen malli eli käsitesanasto sisältää ontolo-10 gisen mallin, joka antaa tiettyjen aihealueiden kuvaukseen käytettävien peruskategorioiden (kuten oliot, tapahtumatyy-pit, suhteet, ominaisuudet, episodit jne.) yhdenmukaiset määritelmät. Tämä "maailmanmalli" on suhteellisen staattinen ja se on järjestynyt moninkertaisten keskinäisten yhte-15 yksien muodostamaksi ontologisten käsitteiden verkostoksi. Ne prosessit, joilla sovelluksen (erityis)maailmalle kehitellään yleisesti ontologiaa, tunnetaan alalla hyvin; ks. esim. Brachman ja Schmolze, "An Overview of the KL-ONE Knowledge Representation System", Cognitive Science, voi. 20 9, 1985; Lenat et ai, Cyc: "Using Common Sense Knowledge to

Overcom Brittleness and Knowledge Acquisition Bottlenecks", AI Magazine, VI:65-68, 1985; Hobbs, "Overview of the Taci- • · tus Project", Computational Linguistics, 12:3, 1986; ja Ni-v renburg et al, Acquisition of Very Large Knowledge Bases: .· 25 Methodology, Tools and Applications, Center for Machine ·; ·· Translation, Carnegie Mellon University, 1988; kaikki em.

: teokset sisällytetään täten viitteenomaisesti tukemaan tätä hakemusta.

Ontologia on kielestä riippumaton käsitteellinen ,, , 30 esitys tietystä erityismaailmasta. Tällaisia voivat olla • ;* esim. raskaiden työkoneiden vianetsintä ja korjaus tai mik rotietokoneiden ja niiden käyttäjien välinen vuorovaikutus. Ontologia tuottaa semanttista tietoa, jota tarvitaan eri-| tyiskielen aihealueella lähdetekstin jäsentämiseksi inter- 35 lingva-tekstinä ja kohdetekstien luomiseksi interlingva- > · · * * 34 113096 tekstistä. Aihealueen mallin tulee olla riittävän yksityiskohtainen tuottaakseen semanttisia rajoituksia, jotka kykenevät ratkaisemaan epäselvyydet jäsennysvaiheessa, ja ontologisen mallin tulee luoda yhdenmukaiset määritelmät onto-5 logisille peruskategorioille, joita käytetään erityisten aihealueiden kuvauksen muodostuksessa.

Maailmanmallissa ontologiset käsitteet voidaan ensin jaotella alaosiin olioiksi, tapahtumiksi, vaikutuksiksi (selittämään ei-intentionaalisia agentteja) ja ominaisuuk-10 siksi. Ominaisuudet voidaan jaotella edelleen suhteisiin ja attribuutteihin. Suhteet määritellään tässä käsitteiden välisenä kuvauksena (esim. belongs-to on suhde, sillä se kuvaa olion joukkoon {*human *organization}), kun taas attribuutit voidaan määritellä käsitteiden kuvaukseksi erityi-15 sesti määriteltyihin arvojoukkoihin (esim. temperature on attribuutti, joka kuvaa fyysisiä olioita arvoiksi puoliavoimella asteikolla [0,*] absoluuttisen lämpötilan asteikon mukaisesti). Käsitteet esitetään yleisesti kehyksinä, joiden rakennepaikat ovat järjestelmässä täydellisesti mää-20 riteltyjä ominaisuuksia.

Aihealueen mallit ovat välttämätön osa kaikkia tietämyspohjaisia järjestelmiä eivätkä siis ainoastaan tietä-*...· myspohjaisia konekäännösjärjestelmiä. Aihealueen malli on käännösalueella esiintyvien käsitteiden semanttinen moni-25 hierarkia. Voimme esim. määritellä objektin *0-VEHICLE ·;·<· niin, että se sisältää objektit *0-WHEELED-VEHICLE ja *0- : TRACKED-VEHICLE, sekä edelleen niin, että näistä edellinen sisältää *0-TRUCK, *0-WHEELED-TRACTOR jne. Monihierarkiassa » * · alimpana ovat rajoitetun lähdekielen sanastoa vastaavat 30 erityiskäsitteet. Tätä alinta osaa voidaan kutsua nimityk- * * * sellä jaettu ydinaihealueen malli. Tarkan käännöksen var-mistamiseksi on välttämätöntä asettaa semanttisia rajoituk-siä niille rooleille, joissa eri käsitteet toimivat. Esim. se, että *E-DRIVE-toiminnan agentin roolissa tulee olla ih-1 , 35 minen, on semanttinen rajoitus, joka on asetettu objektille 35 113096 *0-VEHICLE ja joka on automaattisesti siirtynyt edelleen kaikille ajoneuvotyypeille (vehicle) (eliminoiden näin tarpeen jokaisen esimerkin käsinkoodaukseen). Aihealueen mallin tekstintuotto-osan vaikutuksesta ydinalueinani laa-5 jentuu rajoitettuun lähdekieleen kuulumattomien synonyymien lisäyksellä sekä muulla informaatiolla, jonka ansioista kirjoittaja saa hyödyllistä palautetta koostaessaan kutakin tietoelementtiä.

Kuviossa 5 on käsitteellisesti havainnollistettu 10 keksinnön käyttämä aihealueen malli (Domain Model). Aihealueen malli DM 500 on esitys MT 120:n ja kielieditorin LE 130 käyttämää rajoitetun lähdekielen sanastoa koskevasta deklaratiivisesta tiedosta. Aihealueen malli 500 koostuu kolmesta erillisestä osasta:

15 1. Ydinaihealueen malli (Kernel Domain Model) K/DM

510 sisältää kaiken leksikaalisen tiedon, jota MT-analy-saattori 127 ja kielieditori 130 tarvitsevat; erityisesti ydinaihealueen malliin sisältyvät kaikki rajoitetun lähde-kielen leksikaaliset sanat ja ilmaukset, sekä niihin liit-20 tyvät semanttiset käsitteet, sanojen lauseenjäsenfunktiot, morfologinen tieto jne.

2. Konekäännöksen aihealueen malli (MT Domain Mo- • · « del) MT/DM 520 sisältää vain MT-analysaattorin 127 tarvit-”**.* semia tietoja. MT-aihealueen malli on käsitteiden moni- 25 hierarkia, jota käytetään kääntämisessä yksitulkintaiseen ·;<>· kuvaukseen ja semanttiseen varmistukseen. Siihen sisältyy : valittavissa olevia, käsitteisiin kohdistuvia rajoituksia ja käsitteiden monihierarkia.

3. Kielieditorin aihealueen malli (LE Domain Model) 30 LE/DM 530 sisältää vain kielieditorin 130 tarvitsemia tietoja; tällaisia ovat mm. rajoitettuun lähdekieleen kuulu-mattomat synonyymit rajoitetun lähdekielen leksikaalisille nimikkeille, rajoitetun lähdekielen leksikaalisten nimik- ..keiden sanakirjamääritelmät sekä esimerkit rajoitetun läh-• # 35 dekielen leksikaalisten nimikkeiden käytöstä.

36 113096

Ydinaihealueen malli K/DM 510 sisältää yhden leksikaalisen hakusanan jokaista rajoitetun lähdekielen nimikettä (sana tai ilmaus) kohden. ("Leksikaalinen hakusana" koostuu minimimuodossaan leksikaalisesta nimikkeestä - sana 5 tai ilmaus - ja siihen liittyvästä semanttisesta käsitteestä ja lauseenjäsenfunktiosta; esim. jos sanalla leak on rajoitetussa lähdekielessä sekä substantiivinen että verbinen merkitys, sille annetaan kaksi leksikaalista hakusanaa.) Kukin leksikaalinen nimike päivitetään kielieditorin 130 10 ja/tai MT 120:n tarvitseman lisätiedon valossa, kuten esim. määritelmä ja epäsäännölliset morfologiset rinnakkaismuodot .

Jaettu ydinaihealueen malli 510 nopeuttaa rajoitetun lähdekielen täsmentämistä ja laajentamista, eliminoi 15 tehtävien päällekkäisyyttä tekstintuotto- ja käännöskompo-nenteissa ja luo ihmisen luettavissa olevan rakenteen edistämään ylläpitoa ja laajennusta.

Ydinaihealueen malli 510 on sanaluettelo, joka sisältää rajoitetun kielen tekstin sanoja ja ilmauksia kos-20 kevan syntaktisen ja semanttisen informaation. Se on automaattisen konekäännösprosessin analyysipuolen keskeinen leksikaalinen tietolähde. Ydinaihealueen malli 510 toimii • k ·...· myös kielieditorin ydinaihealueen mallin perustana.

Ydinaihealueen malli 510 sisältää erillisen hakusa-25 nan jokaisen syntaktisen kategorian jokaiselle ilmaukselle.

* j· | (Täten esim. sanalle truck, joka toimii sekä substantiivina : että verbinä, on kaksi hakusanaa.) Ydinaihealueen mallin * i t * * · hakusanat sisältävät seuraavan informaation: - kanta (esim. truck) ,,, 30 - sanan lauseenjäsenfunktio (esim. substantiivi) * - sisältöä ilmaisevien sanojen kohdalla käsite tai ‘<*·’ merkitys (esim. O-TRUCK) - morfologinen informaatio (esim. epäsäännölliset ...·: taivutusmuodot) 35 - syntaktinen informaatio (esim. ilmaiseeko subs- 37 113096 tantiivi määrää vai laatua) - määritelmätietoja: lyhyitä määritelmiä ja teksti-esimerkkejä, joista ilmenee sanojen mahdolliset eri merkitykset ja niiden käyttö, sekä selvitys 5 siitä alamerkityksestä, missä sanaa tullaan käyt tämään rajoitetussa kielessä.

Aihealueen malli 500 on määritelty kolmessa ulkopuolisessa, käyttäjän luettavissa olevassa tiedostosarjas-sa, jotka niiden käyttöä vaativa prosessi (tai prosessit) 10 voi lukea. Koska MT 120 ja kielieditori 130 toimivat erillisinä prosesseina, mallin tiedot on esitetty sisäisesti kahdessa muodossa: toinen MT 120:n tarvitsemia aihealueen mallin osia varten ja toinen kielieditorin 130 tarvitsemia osia varten. Täten ydinaihealueen malli 510 on määritelty 15 tiedostosarjassa, joka voidaan esittää molemmissa muodoissa, kielieditorin ydinaihealueen malli 530 on esitetty vain kielieditorin 130 käyttämässä muodossa ja konekäännöksen aluemalli 520 on esitetty vain MT 120:n käyttämässä muodossa. Alla on kuvattu ulkoiset tiedostomuodot, aihealueen 20 mallin eri osien sisältö ja kielieditorin 130 käyttämien tietojen sisäinen esitys.

Kuten on todettu, ydinaihealueen malli sisältää *·. * kaikki sekä MT 120:n että kielieditorin 130 tarvitsemat "·' · tiedot. Tällaisia ovat rajoitetun lähdekielen leksikaalinen 25 nimike (kantasana, ilmaus tai siteerattu ilmaus) ja semant- tinen käsite (semanttinen, leksikaaliseen nimikkeeseen • liittyvä käsite, jota edustaa leksikaalisessa hakusanassa

• « · I

"käsitteen nimi") . Lisäksi näihin tietoihin sisältyy lau-seenjäsenfunktio (yksi rajatusta lauseenjäsenten sarjasta, 30 esim. verbi, adjektiivi tms.), määritelmä (sanaston yleis- \.| ilmausten karkea määritelmä, josta selviää, mistä rajoite- *;* tun lähdekielen leksikaalisen nimikkeen nimenomaisesta ala- : merkityksestä tai -merkityksistä on kysymys), sekä epäsään- ;··* nölliset morfologiset rinnakkaismuodot (kunkin kohdalla lu- 35 ettelo epäsäännöllisistä morfologisista muodoista sekä mor- * t 38 113096 fologisten transformaatioiden nimet). Verbien morfologisten transformaatioiden nimiä ovat esim. "imperfekti", "yksikön kolmannen persoonan preesens", "partisiipin perfekti" ja "partisiipin preesens". Tämän kentän arvo esim. englannin 5 sanan drive kohdalla olisi ([imperfekti drove] [partisiipin perfekti driven]), mistä ilmenee, että kyseiset kaksi verbimuotoa ovat epäsäännöllisiä ja kaikki muut muodot ovat säännöllisiä. Lopuksi ydinaihealueen malli sisältää typografisia rajoituksia - esim. jos leksikaalisen nimikkeen 10 tulee esiintyä kokonaan isoilla kirjaimilla kirjoitettuna, isoilla alkukirjaimilla kirjoitettuna, jne.

Konekäännöksen aihealueen malli MT/DM 520 sisältää vain MT 120:n tarvitsemia tietoja. Näihin lukeutuu käsitteisiin kohdistuvia selektiorajoituksia sekä monihierarki-15 nen käsitteiden luokittelu selektiorajoitusten organisointia ja periytymistä varten.

Kielieditorin aihealueen malli LE/DM 530 sisältää rajoitettuun lähdekieleen kuulumattomia synonyymejä, jotka avustavat kirjoittajaa valitsemaan oikein rajoitetun läh-20 dekielen leksikaalisten nimikkeiden joukosta. Ydinaihealueen malli ja kielieditorin aihealueen malli yhdessä sisältävät kaikki tiedot ja rajoitukset, joita tarvitaan kuvaa- . .· maan rajoitetun lähdekielen sanastoa kielieditorin sanaston ’ : tarkistimen (ks. alla) tukena. Kielieditorin aihealueen ; 25 malli sisältää vain kielieditorin sanaston tarkistimen tar- •( j vitsemia lisätietoja, kuten sanakirjamääritelmä (sanan tai : .·. ilmauksen määritelmä, jonka kielieditori esittää kir- ,· >, joittajalle), rajoitettuun lähdekieleen kuulumattomat sy nonyymit (rajoitetun lähdekielen leksikaalisten nimikkeiden .. , 30 synonyymit, joita saatetaan käyttää asiakirjan kir- * ** joittamisessa), sekä esimerkkilause (sanan tai ilmauksen * · *'.* esimerkki rajoitetun lähdekielen mukaisessa lauseessa, jon- ka kielieditori esittää kirjoittajalle) .

• · Näitä tietoja kielieditorin aihealueen malliin si- • t 35 säilyttämällä avustetaan kirjoittajia sen varmistamisessa, • · 39 113096 että kirjoitettu teksti on muodostettu oikeista rajoitetun lähdekielen sanoista ja ilmauksista. Sanakirjamääritelmien ja esimerkkilauseiden avulla kirjoittaja voi varmistaa, että kirjoituksessa käytetään puheen osan sanaa tai ilmausta, 5 joka lauseenjäsenen osalta ja merkitykseltään on rajoitetun lähdekielen mukainen. Sanakirjamääritelmiä tai esimerkki-lauseita ei kuitenkaan tarvita rajoitetun lähdekielen jokaiselle leksikaaliselle nimikkeelle. Niitä edellytetään lähinnä vain pienehkölle joukolle merkitykseltään epäselviä 10 tai epämääräisiä ilmauksia, joiden rajoitetun lähdekielen mukainen merkitys ei ole kirjoittajalle välittömästi selvä. Tällaiset ilmaukset edustavat todennäköisesti vain korkeintaan puolta aihealueen mallin kaikista leksikaalisista nimikkeistä. Esim. funktionaaliset sanat, kuten englannin for 15 ja the, eivät vaadi määritelmää tai esimerkkejä. Myöskään monet tekniset termit, erityisesti ne, joilla on pitkälle erikoistunut tekninen merkitys, eivät välttämättä tarvitse määritelmiä tai esimerkkejä.

Kielieditorin aihealueen mallin rajoitettuun lähde-20 kieleen kuulumattomat synonyymit avustavat rajoitettuun lähdekieleen kuulumattomia sanoja tai ilmauksia käyttävää kirjoittajaa valitsemaan niille synonyymisen tai muuten • i » verrattavan sanan tai ilmauksen rajoitetun lähdekielen alu- ""»* eelta, jolla korvata ne. Olisi toivottavaa, että sanaston 25 tarkistin ilmoittaisi paitsi synonyymeistä, jotka edustavat *;·*· samaa puheen osaa kuin se rajoitettuun lähdekieleen kuulu- : .·, maton sanakin, jonka synonyymejä ne ovat, myös sukulaissa- •« * » noista, joiden avulla kirjoittaja voi kirjoittaa lauseen • it uudelleen. Jos jälkimmäinen otetaan huomioon, tulee kieli-. 30 editorin aihealueen mallin sisältää tietoja myös näistä su- * I · kulaissanoista pakollisen sisältönsä lisäksi.

’ *' D. Kielieditori

Kuvion 1(b) mukaisesti rajoitetun kielen kieliedi-•; *»j tori LE 130 on työkalusarja, joka tukee tekstintuotosta ', 35 vastaavia kirjoittajia ja tekstin käsittelijöitä asiakirjan 40 113096 luomisessa rajoitetun lähdekielen rajoitusten puitteissa. Näiden työkalujen avulla kirjoittaja käyttää asianmukaista rajoitetun lähdekielen sanastoa ja kielioppia huoltooppai-den kirjoittamisessa. Kielieditori 130 on rakennettu 5 SGML-tekstieditorin 140 "jatkeeksi". Joskin kielieditori 130 käyttää samoja tietoyhteyksiä kuin SGML-tekstieditori 140, näiden kahden editorin toiminnot ovat keskinäisesti toisensa poissulkevia. Vuorovaikutukseen kielieditorin 130 kanssa käytetty käyttöliittymä on kuitenkin SGML-tekstiedi-10 toriliitännän "saumaton jatke".

Kirjoittaja 160 luo asiakirjat SGML-tekstieditoris-sa 140 ja herättää kielieditorin 130. Kielieditori 130 tiedottaa kirjoittajalle asiakirjassa esiintyvien yksittäisten sanojen rajoitetun lähdekielen vastaisuudesta ja kykenee 15 ehdottamaan rajoitetun lähdekielen mukaisia synonyymejä sanoille, jotka ovat merkityksellisiä käyttäjäsovelluksen tietoalueella olematta kuitenkaan rajoitetun lähdekielen mukaisia. Lisäksi kielieditori 130 ilmoittaa käyttäjälle siitä, vastaako tiedostoon sisältyvä teksti rajoitetun läh-20 dekielen syntaktisia vaatimuksia.

Kielieditori 130 -ohjelmistoon sisältyy seuraavaa: sanaston tarkistin, kielioppitarkistin ml. liitäntä MT-syn-taksianalysaattorin kautta, jolla saadaan keskeiset kieli-'1 : oppitarkistustoiminnot, sekä käyttöliittymä. Lisäksi rajoi- 25 tetun lähdekielen kielieditorin käyttämä rajoitetun lähde- • ♦ t ·;··[ kielen sanastotieto esitetään ydinaihealueen mallissa ja .· .*. kielieditorin aihealueen mallissa.

• · t • · t · ,·;·_ Kielieditori 130 vahvistaa, että asiakirjan kaikki • · · sanasto- ja lauserakenteet vastaavat rajoitetun lähdekie-,, , 30 Ien vaatimuksia. Kielieditori 130 varustaa asiakirjan i » « • ·’ SGML-tuntomerkillä, joka ilmoittaa tällaisesta rajoitetun I · *-··* lähdekielen mukaisuudesta. Asiakirjan koko teksti tulee tarkistaa, mukaan lukien lauseet, otsikot, luettelonimik- » t keet, kuvatekstit ja nimiöt, grafiikkateksti ja taulukko- 35 tiedot.

I t » M t · t i > e · • * 41 113096

Koska keksinnön lähtökohtana on, että kirjoittajien työn tulisi olla mahdollisimman tuottavaa rajoitetun lähdekielen tarkistusten aikana, ja että kirjoittajien ei tarvitsisi työskennellä useiden kirjoitettavien asiakirjo-5 jen parissa yhtaikaa, ei ole soveliasta käyttää eräkäsit-telytilaa, jossa käyttäjä lähettää asiakirjan käsittelyyn ja sen jälkeen odottaa koko asiakirjan valmistumista ennen palautteen saamista. Kielieditorin 130 avulla saadaan vuorovaikutteinen toimintamuoto sanaston tarkistusta, kieli-10 oppitarkistusta ja vuorovaikutteista yksikäsitteistystä varten.

Kuviossa 6 on korkeamman tason kulkukaavio kieli-editorin LE 130 toiminnasta. Kielieditori 130 vastaanottaa syötteenä tekstiä 605, joka voi olla merkitykseltään epä-15 selvää ja rajoittamatonta. Mahdollisesti monitulkintainen, rajoittamaton syöteteksti 605 tarkistetaan ensin sanaston tarkistimella 610, jonka toiminnot suoritetaan (alla kuvatun mukaisesti) oikeinkirjoituksen tarkistimen 615 avulla. (Oikeinkirjoituksen tarkistimen toiminnasta vastaa patent-20 tihakemuksen suoritusmuodossa isäntänä toimivan tekstieditorin TE 140 vakiovarusteinen oikeinkirjoituksen tarkistin.) Kun sanaston tarkistin 610 on suorittanut tarkistuk-·...· sen ja tehnyt kaikki tarvittavat korjaukset (kirjoittajan avustuksella), sanastollisesti rajoitettu teksti 617 lähe-25 tetään edelleen kielioppitarkistimeen 620. Kielioppitar-·;··· kistin 620 tuottaa syntaktisesti virheetöntä rajoitetun .* lähdekielen mukaista tekstiä 625. Tämän jälkeen rajoitettu * * · · syntaktisesti virheetön teksti 625 yksikäsitteistetään loh- • · « kon 630 mukaisesti. Yksikäsitteistyksen tuloksena saadaan .. . 30 käännöskelpoinen, monitulkintaisuuksiltaan ratkaistu ja ra- • » · • » joitettu teksti 635. Käännöskelpoinen teksti 635 voidaan • f kääntää vieraalle kielelle ilman tarvetta tekstin esikäsit-telyyn. Tuloksena saatavan käännöksen tarkkuus tekee myös • · ·;··! tekstin jälkikäsittelyn tarpeettomaksi.

» » * t » » »»•Il » % 42 1 13 0 9 6 1. Sanaston tarkistin

Kuviossa 7 on kulkukaavio sanaston tarkistimen 610 toiminnasta. Sanaston tarkistin 610 tunnistaa sanat, joiden ei tiedetä olevan rajoitetun lähdekielen mukaisia. Sanaston 5 tarkistin 610 tunnistaa tapaukset, joissa kirjoitetun tekstin sana ei ole rajoitetun lähdekielen mukainen, ja avustaa tekstin kirjoittajaa hakemaan niille sopivat rajoitetun lähdekielen mukaiset vaihtoehdot. Se tunnistaa asiakirjassa sanarajat ja tapaukset, joissa sanaston nimikkeen ei tiede-10 tä olevan rajoitetun lähdekielen mukainen.

Lohkon 706 mukaisesti yksikön ensimmäinen ilmaus valitaan tarkistukseen. Ilmaus tarkistetaan lohkon 710 mukaisesti kaikki lähdekielen sanat sisältävän rajoitetun lähdekielen sanastollisen tietokannan (ts. sanakirjan) va-15 lossa. Jos ilmausta ei löydy rajoitetun lähdekielen sanakirjasta, sen oikeinkirjoitus tarkistetaan standardisana-kirjan valossa lohkon 722 mukaisesti. Jos sana on kirjoitettu väärin, kirjoittajalla on mahdollisuus korjata kirjoitusvirhe (ts. sanaston tarkistin ilmoittaa vaihtoehtoi-20 siä kirjoitusasuja) lohkon 726 mukaisesti.

Tämän jälkeen nimike tarkistetaan sen määrittämiseksi, onko se rajoitetun lähdekielen sanaston mukainen • · · :,t,: (lohko 734) . Jos nimike kuuluu rajoitetun lähdekielen sa- nastoon, toimintasarjassa siirrytään lohkoon 718. Jos nimi-25 ke ei kuulu rajoitetun lähdekielen sanastoon, järjestelmä tarkistaa, sisältääkö kielieditorin aihealueen malli syno- : .·. nyymin tarkistettavalle nimikkeelle lohkon 736 mukaisesti.

,·;·] Jos kielieditorin aihealueen malli sisältää ainakin yhden i · » synonyymin, järjestelmä ilmoittaa synonyymit (synonyymin), . 30 jotka kuuluvat rajoitetun lähdekielen sanastoon, ja kir- » · « • joittajalla on mahdollisuus suorittaa näistä valinta lohkon » · *···* 738 mukaisesti. Jos kielieditorin aihealueen malli ei kui- » :*·,· tenkaan sisällä synonyymejä tarkistettavalle nimikkeelle, kirjoittajalla on mahdollisuus ottaa syöteteksti uudelleen-• t 35 käsittelyyn lohkon 740 mukaisesti. Uudelleenkäsitelty teks- *

• I

43 113096 ti lähetetään takaisin lohkoon 710. Kun kirjoittaja on tehnyt pätevän valinnan, toimintasarja 700 jatkuu lohkoon 718.

Kun rajoitettuun lähdekieleen kuulumaton sana on tunnistettu, kirjoittajan valittavana ovat seuraavat vaih-5 toehdot: voidaan joko valita vaihtoehtoinen sana ja korvata sillä asiakirjassa esiintyvä alkuperäinen sana tai voidaan kirjata uusi nimike ja korvata sillä asiakirjassa esiintyvä sana. Tavallisesti kirjoittaja valitsee yhden mahdollisista synonyymeistä korvaamaan rajoitetun lähdekielen vastaisen 10 nimikkeen. Jos kirjoittaja jättää ongelman huomiotta, tekstiä ei hyväksytä rajoitetuksi lähdekieleksi.

Lohko 718 tarkistaa, onko yksikössä vielä muita ilmauksia. Jos ilmauksia ei ole, toimintasarja 700 keskeytyy. Muussa tapauksessa valitaan seuraava ilmaus lohkon 714 mu-15 kaisesti ja toimintasarja 700 alkaa uudelleen lohkosta 710.

Erityisesti sanaston tarkistin tunnistaa kaikki tapaukset, joissa leksikaalisen nimikkeen ei tiedetä olevan rajoitetun lähdekielen mukainen. Jokaisen tällaisen sanan kohdalla sanaston tarkistin toteaa, mikä seuraavista kuva-20 uksista soveltuu tapaukseen ja ilmoittaa tukitietoja käyttöliittymään alla luetellun mukaisesti: - rajoitetun lähdekielen vastainen sana, jolle tie- IM • « detään rajoitetun lähdekielen mukaisia synonyyme-jä - tässä tapauksessa sanaston tarkistin 610 * · · : _ : 25 tunnistaa synonyymit. Oletetaan esim. että eng- *:*: lännin kielen sana let on rajoitetun lähdekielen ·*. vastainen: » I | • » · »

Kirjoittajan on tarkistettava syötelause: Open the ) » t valve and let more nitrogen go to the accumulator. Sanaston ., . 30 tarkistimen viesti: Termi on rajoitetun lähdekielen vastai- » t nen, mutta sille löytyy vaihtoehtoisia rajoitetun lähdekie- • ·

Ien mukaisia ilmauksia.

Vaihtoehdot rajoitetulla lähdekielellä: allow, al-·;··; lowed, enable, enabled, permit, permitted, leave, left.

• * 2 « » t * · 44 113096

Editoitu lause rajoitetulla lähdekielellä: Open the valve and allow more nitrogen to go to the accumulator.

- sana, joka voi esiintyä rajoitetulla lähdekielellä ainoastaan ilmauksen osana, mutta jota ei 5 käytetä rajoitetun lähdekielen ilmauksessa ko.

yhteydessä - tässä tapauksessa sanaston tarkistin 610 ilmoittaa hyväksyttävät rajoitetun lähdekielen mukaiset ilmaukset, joihin sana sisältyy: Kirjoittajan tarkistettava syötelause: The first 10 time the valve lash is checked, the injector timing should be checked. Sanaston tarkistimen viesti: Ilmausta on käy tetty rajoitetun lähdekielen vastaisessa yhteydessä. Vaihtoehdot rajoitetulla lähdekielellä: advance signal timing, advance timing groove, timing gear, timing mechanism. Edi-15 toitu lause rajoitetulla lähdekielellä: The first time the valve lash is checked, the injector timing mechanism should be checked.

- sana tai ilmaus, jonka tulee esiintyä lainausmerkein varustettuna rajoitetulla lähdekielellä, 20 mutta joka ei ole lainausmerkeissä ko. yhteydessä - tässä tapauksessa sanaston tarkistin 610 ilmoittaa, että ilmaus tulisi esittää siteerauk-sena: ·;··· Kirjoittajan tarkistettava syötelause: For more de- 25 tails, read the Testing and Adjusting article in the next section. Sanaston tarkistimen viesti: Ilmaus on yleensä va- • * . . rustettu lainausmerkein. Vaihtoehdot rajoitetulla lähdekie- lellä: Ei ole. Editoitu lause rajoitetulla lähdekielellä: '·’ ’ For more details, read the "Testing and Adjusting" article 30 in the next section.

; .· - sana tai ilmaus, jossa tulee rajoitetun lähdekie-

Ien mukaisesti välttämättä käyttää tiettyä isoa , , : kirjainta, mutta josta iso kirjain puuttuu ko.

» · ! yhteydessä (esim. akronyymi, joka on kirjoitettu 35 pikkukirjaimin) - tässä tapauksessa sanaston tar- > · * • · 45 113096 kistin 610 ilmoittaa oikean rajoitetun lähdekie-len mukaisen muodon (muodot):

Kirjoittajan tarkistettava syötelause: Turn the screw until the pressure gauge reads 0 kPa (0 psi). Sanas-5 ton tarkistimen viesti: Ilmauksessa puutteellinen ison kirjaimen käyttö. Vaihtoehdot rajoitetulla lähdekielellä: kPa. Editoitu lause rajoitetulla lähdekielellä: Turn the screw until the pressure gauge reads 0 kPa (0 psiJ.

- "epäsana" (ts. kirjainjoukko, joka esittää väärin 10 kirjoitettua sanaa), jolle tiedetään vaihtoehtoi sia kirjoitusasuja - tässä tapauksessa sanaston tarkistin 610 tunnistaa vaihtoehtoiset kirjoitusasut riippumatta siitä, onko tulos rajoitetun lähdekielen mukainen (kirjoittaja antaa valitse- 15 mansa vaihtoehdon uudelleentarkistettavaksi) :

Kirjoittajan tarkistettava syötelause: When it is necesarv to raise the boom, the boom must have correct support. Sanaston tarkistimen viesti: Ilmaus on rajoitetun lähdekielen vastainen. Vaihtoehdot rajoitetulla lähdekie-20 lellä: necessary. Editoitu lause rajoitetulla lähdekielellä: When it is necessary to raise the boom, the boom must have correct support.

• · - sana, joka on rajoitetun lähdekielen vastainen ja » *! ': josta järjestelmällä ei ole tietoa. Tuntematto- 25 masta sanasta tai ilmauksesta ilmoittava viesti ·;·· antaa kirjoittajalle mahdollisuuden tapauksesta : riippuen joko muuttaa sanamuoto kokonaisuudessaan tai suojata epäpätevä ilmaisu tarkistukselta.

» « φ

Seuraavassa esimerkissä kirjoittaja käyttää SGML- . 30 tuntomerkkiä viestimään järjestelmälle, että sen • · ' tulisi sivuuttaa näin osoitettu ilmaisu:

Kirjoittajan tarkistettava syötelause: Put ap- : ,· proximately 0.9 L (1 quart) of SAE10W hydraulic oil in the : nitrogen end of the accumulator. Sanaston tarkistimen 35 viesti: Ilmaus tuntematon. Vaihtoehdot rajoitetulla lähde- » 46 113096 kielellä: Ei ole. Editoitu lause rajoitetulla lähdekielel-lä: Put approximately 0.9 L (1 quart) of <sic>SAElOW</sic> hydraulic oil in the nitrogen end of the accumulator.

- Välimerkki tai erikoissymboli, jonka käyttö ei 5 ole sallittua rajoitetussa lähdekielessä missään yhteydessä

Niissä tapauksissa, joissa rajoitetun lähdekielen vastaisella sanalla ei ole synonyymistä rajoitetun lähde-kielen vastinetta (ts. sanoja, jotka voisivat suoraan kor-10 vata sen asiakirjassa), järjestelmä voi etsiä rajoitetun lähdekielen sukulaissanat ja -ilmaukset, joita kirjoittaja voi käyttää ilmaisemaan tarkoitettua ajatusta. Tämä toiminto avustaa kirjoittajaa lauseen uudelleenkirjoittamisessa vain rajoitetun lähdekielen mukaisia sanoja käyttä-15 en. Muutos näiden sukulaissanojen käyttöön ei kuitenkaan voi tapahtua synonyymikorvauksen kaltaisella automaattisella toiminnolla, sillä tällaiset muutokset vaativat tavallisesti lauserakenteen muuttamista. Esim. jos englannin kielen can on rajoitetun lähdekielen mukainen ja capable 20 taas ei, niin kirjoittajan laatiman lauseen:

The system is capable of being programmed for several customer-specific parameters « » · ·...· kohdalla ilmoitettaisiin, että capable [capable] ei ole ”·1·: rajoitetun lähdekielen sana. Vaikka sana can [can] on ra- 25 joitetun lähdekielen mukainen, ei ilmausta is capable of ·;··· ["is capable of"] voida suoraan korvata sanalla can ilman : lauseeseen tehtäviä lisämuutoksia.

• · · • 1 # · 2. Kielioppi tarkistin • · ·

Kielioppitarkistimen tarkoituksena on tunnistaa ne . 30 kohdat, joissa kirjoittajan teksti ei vastaa rajoitetun \ lähdekielen kieliopillisia rajoituksia, sekä kiinnittää ’··1 kirjoittajan huomio näihin kohtiin. Kielioppitarkistimen :1·,· 620 toiminnoista vastaa konekäännösjärjestelmän 120 ana- ·; = ·: lyysimoduuli 127, joka on laajennettu niin, että järjes- ' , 35 telmä voi tiedottaa syntaktisista ja semanttisista epäsel- * . - k » 47 113096 vyyksistä. Kielioppitarkistinliitännän ansiosta kirjoittaja voi vuorovaikutteisesti vastata monitulkintaisuuksiin kohdistuviin yksikäsitteistyspyyntöihin. On mahdollista, että lause on rajoitetun lähdekielen mukainen ja voidaan 5 silti tulkita useammalla kuin yhdellä tavalla. Kielioppi-tarkistinliitäntä osoittaa kirjoittajalle vähintään kaksi eri merkitystä, jotka ovat lauseelle mahdollisia, pyytäen samalla selvennystä. Epäselvä englanninkielinen lause on esim. Check the cylinders on the inside: sijaitsevatko sy-10 linterit sisäpuolella vai onko tarkoitus kenties tarkistaa sylinterien sisäpuoli? Kaksi erilaista epäselvyystapausta voi tulla kysymykseen:

Leksikaaliset epäselvyydet. Leksikaalisia epäselvyyksiä ilmenee, kun sanalla voi olla yksi tai useampia 15 merkityksiä rajoitetussa lähdekielessä. Vaikka onkin toivottavaa, että kullakin rajoitetun lähdekielen sanalla olisi vain yksi merkitys sanan lauseenjäsenfunktiota kohden, on olemassa sanoja, joilla väistämättä on useampia kuin yksi merkitys. Esim. englannin kielen gas voi viitata 20 luonnonkaasuun (natural gas) tai bensiiniin (gasoline).

Leksikaalisella tasolla voi ongelmia aiheuttaa myös sellaisen sanan esiintyminen, joka voi toimia rajoi- • · * ·...· tetussa lähdekielessä kahdessa erilaisessa syntaktisessa '·"· roolissa. Tällainen on esim. englannin kielen fuel, joka : 25 voi rajoitetussa lähdekielessä olla joko substantiivi tai *:·*· verbi. Kun kirjoittaja syöttää lauseen, jossa sanan syn- J taktinen tehtävä ei ole selkeä, kielioppitarkistin GC 620 voi kehottaa kirjoittajaa seuraavasti: • * ·

Kirjoittajan tarkistettava syötelause: The sensor ,, , 30 is attached to fuel rack. Kielioppitarkistimen viesti: Ilmausta voidaan käyttää substantiivina ‘ tai verbinä.

: \: Tässä vaiheessa kirjoittaja voi niin valitessaan V* muokata lauseen ilman järjestelmän apua (yksinkertaisesti ‘ , 35 uudelleenkirjoittamalla ja antamalla lause uudelleentar- 48 113096 kistettavaksi). Jos kirjoittaja haluaa pyytää apua, järjestelmä voi tarjota erityisohjeita kyseisen tyyppisen ongelman korjaamiseksi. Tässä tapauksessa neuvo on tarkka:

Help! Kielioppitarkistimen viesti: Jos sana on 5 substantiivi, haluat ehkä sijoittaa määreen sen eteen. Jos se on verbi, voisiko sanan jälkeen sijoitettu määre olla avuksi? Esimerkki: The ship sinks vs. Ship the sinks. ("Laiva [the ship] uppoaa" vs. "Lähetä [ship] pesualtaat").

10 Tämän jälkeen kirjoittaja muokkaa lauseen ja antaa sen uudelleen kielioppitarkistimelle 620 tarkistettavaksi.

Rakenteelliset epäselvyydet- Rakenteellisia epäselvyyksiä syntyy, kun lauseen sanojen voidaan ajatella ryhmittyvän useammalla kuin yhdellä tavalla. Esim: Remove 15 the valve with the lever. Tässä tapauksessa ongelmia aiheuttaa konjunktio with: Yhdistyykö ilmaus with the lever ilmaukseen the valve, vai yhdistyykö se ennemminkin verbiin remove? Onko siten kyseessä venttiili (valve), jossa on vipu (lever), vai tarkoitetaanko, että venttiili tulisi 20 irrottaa vivulla? IATS 105:n komponenteista aihealueen malli 137 on suunniteltu vastaamaan tähän kysymykseen. Se on rakennettu M* ·...· minimoimaan tämänkaltaisten epäselvyyksien esiintyminen.

Kuvion 5 mukaisesti aihealueen malli MT 520, joka 25 tukee yksinomaan konekäännösprosessia, sisältää kahden- ;·.· laista informaatiota. Semanttinen informaatio (A) avustaa : käsitteiden välisten suhteiden tunnistamisessa. Kontekstu- aalinen informaatio (B) taas täsmentää tietyn verbin koh- ♦ · t dalla sen ns. syväsijoja tai argumentteja, jotka ovat mah- ... 30 dollisia tällaiselle verbille. Ko. esimerkkitapauksessa * » ♦ * ·’ voidaan ensin pohtia, kuinka semanttinen informaatio (A) ja kontekstuaalinen informaatio (B) avustavat analysaatto-ria 127 määrittämään lauseen Remove the valve with the le- » t ver kieliopillinen rakenne.

49 113096

Semanttisten suhteiden joukkoon sisältyy kuulumista ja yhteyttä ilmaiseva suhde (esim. englannin is a part of, olla osa jtkn., sisältyä jhkn. jnkn. osana), joka vallitsee esim. käsitteen "hattu" ja käsitteen "asu" välillä 5 niin, että "hattu" "kuuluu" "asuun". Sama suhde vallitsee käsitteen "kengänpohja" ja käsitteen "kenkä" välillä tai käsitteiden "kenkä" ja "korko" tms. välillä. Aihealueen malliin MT 520 sisältyvä semanttinen informaatio (A) tunnistaa tämän ja muut semanttiset suhteet aihealueen käsit-10 teiden välillä.

Kun MT-analysaattorin 127 prosessi pyytää aihealueen mallilta MT 520 käsitteiden valve ja lever välistä suhdetta koskevaa semanttista informaatiota, aihealueen malliin 137 sisältyvät tiedot eivät riitä MT-analysaatto-15 rille 127 sen tunnistamiseksi, onko lever osa käsitettä valve - tällaista tietoa ei yksinkertaisesti ole saatavilla. MT-analysaattori 127 ei tässä tilanteessa kykene tunnistamaan, tulisiko ilmaus with the lever liittää sanaan valve.

20 Kun MT-analysaattori 127 nyt hakee kontekstuaa- lista informaatiota (B) , se havaitsee, että verbillä remove on kolme eri semanttista roolia: nominatiivi (NOM), akkusatiivi (AKK) ja instrumentaali (INS) . Näin ollen re-move sopii seuraavaan kehykseen: 25 ·:·: __________verbi (N0M' AKK' INS) • · » t t t Tämän abstraktin mallin perusteella voimme rakentaa seuraavanlaisia englanninkielisiä lauseita:

30 NOM VERBI AKK INS

• ·

The workman removed the sand with a shovel

Peter has removed the box with the nail jne.

v: Aihealueen malli MT sisältää informaatiota, joka ; 35 koskee with-preposition ja niiden verbien yhdistelmää,

» I

* · 50 113096 joiden semanttinen ominaisuus on [+INSTRUMENT]. Tällainen yhdistelmä muodostaa instrumentaali-ilmauksia. Tämän tiedon avulla analysaattori voi todeta, että: a) koska lever on [+INSTRUMENT], with the lever on 5 INS, ja b) koska remove voi olla asemassa INS, ilmaus with the lever liittyy sanaan remove sopien yhteen sen kanssa ja tullen täten tulkituksi sen määreenä.

Aihealueen malli 137 voi kuitenkin olla vain niin 10 tehokas kuin sen rakenne sallii. Niissä tapauksissa, joissa semanttista informaatiota ei ole kehitelty niin pitkälle kuin mahdollista, aihealueen leksikaalisista nimikkeistä ei ehkä ole apua MT-analysaattorin 127 suorittamassa yksikäsitteistyksessä.

15 Voidaan tarkastella sanaa naii (naula) esimerkki- lauseessa Peter has removed the box with the nail. Jos aihealueen malli 137 sisältää informaatiota nauloista puuke-hyksen osana, muttei siitä, että naulat ovat [+INSTRU-MENT], MT 127 ei kykene toteamaan, yhdistyykö with sanan 20 naii kanssa muodostaen instrumentaali-ilmauksen. Koska analysaattori ei pysty ratkaisemaan rakenteellista epäselvyyttä, pyydetään kirjoittajaa ratkaisemaan se. Suoritet- • * taessa kielioppitarkistusta kirjoittajan antamalle teks-tille toiminta etenee seuraavasti: : 25 Kirjoittajan on tarkistettava syötelause: Peter >;·· has removed the box with the nail. Kielioppitar- : ,·. kistimen 620 viesti: Lause on epäselvä.

• ti * 1. Onko naula väline tai työkalu? • * · 2. Onko naula laatikon (box) osa? , 30 Kun kirjoittaja valitsee tulkinnan, tarkistin va- • · · • ·* rustaa lauseen SGML-piilotuntomerkillä ilmoittamaan jär- • · ’···’ jestelmälle, kuinka lause tulisi kääntää.

* :*·,· Kuten on mainittu, kielioppitarkistin herättää MT- analysaattorin 127 tarkistamaan, onko syöteteksti tai tie-• ( 35 toelementti (tai sen osa) rajoitetun lähdekielen kieli- » S 1 « * » » » » 51 113096 opillisten ja semanttisten rajoitusten mukainen. Patenttihakemuksen suoritusmuoto näyttää tämän suhteen jokaiselle lauseelle "punaista tai vihreää valoa", joista edellinen viesti ilmoittaa, että kirjoittajan tulee korjata liputet-5 tujen lauseiden muodostus tekstintuottoympäristössä. Kun koko syöteteksti tai tietoelementti on varmistettu rajoitetun lähdekielen mukaiseksi, se voidaan tallentaa muistiin tai lähettää edelleen välittömästi käännettäväksi.

Kuviossa 8 on korkeamman tason kulkukaavio kieli-10 oppitarkistimesta 620 (syntaktinen analyysi) ja yksikäsit-teistystarkistimesta 630 (semanttinen analyysi). Sanaa "lause" käytetään alla viittaamaan tekstiyksikköön, joka joko hyväksytään tai hylätään analyysimoduulin 127 tarkistuksessa. Tarkistettava yksikkö voi todellisuudessa olla 15 muu tekstikomponentti kuin lause, kuten esim. otsikko, nimike, luettelon jäsen, kuvateksti tai muu grafiikkatekstin osa. Kielioppitarkistin 620 tunnistaa lauserajat ja SGML-elementtien rajat merkityssä SGML-tekstissä. Se tunnistaa kaikki lauseet, jotka eivät vastaa rajoitetun läh-20 dekielen vaatimuksia. Näihin sisältyvät kaikki lauseet, joita MT-analyysimoduuli 127 ei onnistu jäsentämään. Jäsennys voi epäonnistua seuraavista syistä, joskaan ei yk-sinomaan näiden takia: * - Lause sisältää kieliopillisia lauserakenteita, : : 25 joita analyysimoduuli 127 ei jäsennä. Tällainen tapaus on ·:>· mm. englannin kielessä kyseessä, jos lauseeseen sisältyy : .·. redusoitu relatiivilause. Redusointi aiheutuu tällöin re- latiivipronominin that ja verbin be poistamisesta lausees- • f » sa kuten Don’t change the values that are programmed into .. . 30 the unit.

Kirjoittajan on tarkistettava syötelause: Don’t change the values programmed into the unit. Kieli-:1·,! oppitarkistimen viesti: Lause on vaikea jäsentää.

• :1>j Tarkista seuraavat mahdolliset ongelmat: * , 35 Tämän jälkeen kielioppitarkistin 620 luetteloi t t t I t · 52 113096 tyypilliset ja useimmin toistuvat tapaukset, joissa jäsennys on hankalaa tai mahdotonta rajoitettuun lähdekieleen kuulumattomien kieliopillisten lauserakenteiden käytön takia.

5 - Välimerkkien käyttö lauseessa ei ole rajoitetun lähdekielen rajoitusten mukainen. Kuten on jo todettu, sanaston tarkistin 610 liputtaa välimerkit ja erikoiset kirjainmerkit, jotka eivät ole rajoitettua lähdekieltä missään yhteydessä. Sanaston tarkistin 610 ei kuitenkaan jä-10 sennä syötettä, joten se ei ilmoita tapauksista, joissa tällainen elementti on olemassa rajoitetulla lähdekielel-lä, mutta sitä on käytetty väärässä yhteydessä. Tällainen tapaus aiheuttaa kielioppitarkistimen 620 "hylkäysreak-tion".

15 - Rajoitetun lähdekielen sanaston sanaa on käy tetty syntaktisessa muodossa, jota ei tunnisteta tämän sanan rajoitetun lähdekielen version kohdalla. Sanaston tarkistin 610 liputtaa jotkut näistä tapauksista; esim. jos englannin sana test kuuluu rajoitettuun lähdekieleen sub-20 stantiivina mutta ei verbinä, sanaston tarkistin ilmoittaa, että menneen ajan muoto tested ei ole rajoitetun lähdekielen mukainen. Sanaston tarkistin 610 hyväksyy kuiten-: kin verbin preesensmuodon tests, sillä se on identtinen : rajoitetun lähdekielen substantiivin test monikkomuodon 25 tests kanssa. Tällainen tapaus aiheuttaa kielioppitarkis- • j. j timen 620 "hylkäysreaktion".

Kielioppitarkistin 620 käyttää MT-analyysimoduulia .··’<, 127 (ja aihealueen mallia 137) tunnistaakseen lauseet, * * * jotka eivät vastaa rajoitetun lähdekielen kieliopillisia . 30 vaatimuksia. Tätä kutsutaan syntaktiseksi analyysiksi ja se on esitetty lohkossa 805. Kielioppitarkistin 620 il- ’>·*’ moittaa jokaisen tällaisen lauseen kohdalla, että kyseinen lause ei ole rajoitetun lähdekielen mukainen. On kuitenkin myös mahdollista, että lause on rajoitetun lähdekielen mu- * , 35 kainen ja silti merkitykseltään epäselvä. Tämän johdosta » » * * » j < » * » 53 113096 keksintöön kuuluu sen osana semanttinen analyysi lohkon 710 mukaisesti. Jos tarkistettava lause ei ole semanttisesti epäselvä, yksikäsitteistystarkistin 630 osoittaa kirjoittajalle vähintään kaksi mahdollista eri merkitystä 5 ja pyytää selvennystä lohkojen 815 ja 825 mukaisesti. Kun lause patenttihakemuksen suoritusmuodossa hylätään kieli-oppitarkistimen 620 ja/tai yksikäsitteistystarkistimen 630 käskystä, kirjoittaja voi valita yhden seuraavista mahdollisuuksista: asiakirjan editointi, epäselvässä tulkintata-10 pauksessa lauseen yksikäsitteistys, saman syötteen uudelleentarkistus tai tarkistuksen jatkaminen ilman editointia.

On huomattava, että keksintö pitäytyy ehdottomasti sanasto- ja kielioppirajoituksiin, eikä siis pelkästään 15 anna tyylillisiä varoituksia tai toimi virheiden (kuten esim. subjektin ja verbin yhteensopivuus) paikallistajana.

Jos lause on semanttisesti selvä, se käännetään Interlingva-tekstiksi lohkon 820 mukaisesti. Kun asiakirja läpäisee kielioppitarkistuksen 620, rajoitetun lähdekielen 20 mukaisuudesta ilmoittava SGML-tuntomerkki voidaan kirjoittaa asiakirjan tekstiin.

Patenttihakemuksen suoritusmuodossa kielioppitar-kistin 620 antaa hyväksymisestä tai hylkäämisestä ilmoit-; tavaa palautetta kirjoittajalle 160. Annettu palaute voi- 25 daan kuitenkin muuttaa sisällöltään tätä yksityiskohtai- ... : semmaksikin.

; Kielioppitarkistusta ja yksikäsitteistystä koske- * * · via tarkempia tietoja löytyy teoksista Tomita, M., "Sen- I I | tence Disambiguation by Asking", Computers and Translation 30 1:39-51, 1986; Carbonell, J. ja M. Tomita, "Knowledge-Ba- • I » ·* sed Machine Translation, the CMU Approach", S. Nirenburg, '...· (ed.), Machine Translation: Theoretical and Methodological

Issues, Cambridge, Mass., Cambridge University Press, s.

» » 68 - 89, 1987, jotka molemmat sisällytetään täten viit- • _ 35 teenomaisesti tukemaan tätä hakemusta.

I I I J » I · 54 113096 E. Konekäännös MT 120 on interlingva-tyyppinen konekäännösjärjes-telmä. Tällaisissa järjestelmissä rajoitettu lähdekieli ja kohdekieli eivät koskaan ole suorassa kontaktissa. Näissä 5 järjestelmissä prosessi on yleensä toteutettu kahdessa vaiheessa: ensin rajoitetun lähdekielen mukaisen tekstin merkitys esitetään kielestä riippumattomalla formaalisella kielellä, jota kutsutaan interlingvaksi, ja sen jälkeen tämä merkitys ilmaistaan kohdekielen leksikaalisia yksilö köitä ja syntaktisia konstruktioita käyttäen.

Interlingva-konekäännösjärjestelmät samoin kuin muutkin konekäännösjärjestelmien tyypit tunnetaan alalla hyvin. Yksityiskohtaisia kuvauksia näistä konekäännöksen eri lähestymistavoista löytyy teoksista Hutchins, Machine 15 Translation: Past, Present, Future, Chichester, UK, Ellis

Horwood Ltd., 1986; Zarechnak, "The History of Machine Translation", Henisz-Dostert, McDonald, Zarenack, (eds.), Machine Translation. Trends in Linguistics: Studies and

Monographs, vol. 11, The Hague, Mouton, 1979, jotka molem-20 mat sisällytetään täten viitteenomaisesti tukemaan tätä hakemusta kokonaisuudessaan.

Rajoitetun lähdekielen tekstin 350 merkitys esite- • · tään varta vasten suunnitellussa tiedon esitysmuodossa, '1 ’· jota kutsutaan interlingvaksi (joka tunnetaan alalla hy- 25 vin). Interlingva puolestaan esitetään kehysnotaatiossa, ·;· · ja täten sitä voidaan pitää eräänlaisena semanttisena ver- : .·. kostona. Muiden tekokielten tai formaalisten kielten ta- * » « · voin interlingvalla on oma sanastonsa ja syntaksinsa. Sen > t i sanasto pohjaa siihen aihealueeseen, johon käännettävät , 30 tekstit liittyvät (esim. tietokoneiden huolto ja korjaus, * · · avaruudentutkimus jne.). Täten interlingvan substantiivit t | '><' ovat "oliokäsitteitä" ontologiassa, sen verbit vastaavat karkeasti ottaen ontologian "tapahtumia" ja sen adjektii- » i vit ja adverbit ovat ontologian määrittelemiä "ominaisuuk-* , 35 siä". Ontologia muodostaa eri käsitetyyppien tiheän, yhte- » 1 » } I • · 55 113096 naisen verkoston, jota kutsutaan aihealueen malliksi.

Kuvioiden 3 ja 9 mukaisesti IATS 105:n konekään-nöskomponentti MT 120 sisältää kaksi pääosiota. Näistä ensimmäinen, rajoitetun lähdekielen analysaattori 127, vas-5 taa ensimmäisestä käsittelyvaiheesta eli rajoitetun lähde-kielen esittämisestä interlingva-muodossa. Toinen pääosio, kohdekielen generaattori 123, kääntää rajoitetun lähdekielen mukaisiksi hyväksyttyjen tekstien interlingva-esityk-sen kohdekielelle (esim. ranskaksi, japaniksi, espanjak-10 si). Molemmissa tehtävissä MT 120 toimii yhtenä tai useampana itsenäisenä palvelinmoduulina hyväksyen käännöspyyn-töjä toimintoja valvovalta ihmiskääntäjäitä (ei kuviossa). Kohdekielen tuottamisprosessin aikana kohdekielen generaattori 123 kuvaa Interlingva-tekstin 260 sopiviin kohde-15 kielen syntaktisiin yksiköihin tuottaakseen korkealaatuista tulostustekstiä 950, joka ei enää vaadi jälkikäsittelyä .

Kun MT-analyysimoduuli 127 on tuottanut rajoitetun lähdekielen mukaiseksi hyväksytylle tietoelementille In-20 terlingva-tekstin 260, voidaan interlingva tallentaa muistiin, lähettää eteenpäin tai muuntaa välittömästi kohdekieliseksi tietoelementiksi tai tietoelementiksi kullakin « 1 · ’···’ kohdekielellä generaattorin 123 avulla (jälkimmäiseen si- ""· sältyy semantiikasta syntaksiin kuvausohjelma ja tuotto- :..,ϊ 25 tarvikkeet [Tomita, M. ja E. Nyberg, The Generation Kit and Transformation Version 3.2: User's Manual, Technical • Memo, 1988, saatavilla osoitteesta Center for Machine Translation, Carnegie Mellon University, Pittsburgh, Pa., USA]). MT-analysaattori 127 ja MT-generaattori 123 ovat 30 vuorovaikutuksessa toistensa kanssa kahdella eri tavalla: toisaalta edellisen tulostus toimii jälkimmäisen syötteenä ja toisaalta ne yhdessä jakavat eräitä ulkoisia tietoläh-teitä, kuten erityisesti aihealueen mallin 137.

•;’ ί Konekäännösjärjestelmä 120 jakautuu edelleen osiin i(‘ . 35 kuvion 9 mukaisesti. Analyysi käsittää jäsentäjän 910 ja 1 i 56 113096 tulkin 920. MT 120:n toinen puoli voidaan jakaa kuvausoh-jelmaan 930 ja generaattoriin 940. Kuvion 9 soikiot edustavat tuotettavia tietoja, jotka siirtyvät tärkeimpien so-vellusmoduulien kesken moduulista toiseen.

5 Aihealueen malli DM 137 (ja erityisesti konekään- nöksen aihealueen malli 520) osallistuu käännösprosessiin kolmella eri tavalla: (1) jäsennin 910 käyttää aihealueen mallia 137 rajoittamaan mahdolliset liitteet (käyttäen argumenttien ja määreiden tarkkaa jaottelua käsiteluokkien 10 alaosastoihin syntaktisen jäsennyksen aikana); (2) tulkki 920 käyttää aihealueen mallia 137 asianmukaisten aihealueen käsitteiden instantioimiseksi tulkinnan aikana; (3) kuvausohjelma 930 käyttää aihealueen mallia 137 valitsemaan kullekin interlingva-käsitteelle sopivan kohdekieli-15 sen toteutuksen.

MT 120:n ajo suoritetaan yhtenä tai useampana palvelinprosessina. Kaikki nämä konekäännösprosessit hyväksyvät käännöspyyntöjä FMS 110:stä ja palauttavat niiden tulokset. Tällaiset pyynnöt sisältävät SGML-tuntomerkeillä 20 varustettua rajoitetun lähdekielen tekstiä ja palautetut tulokset sisältävät SGML-tuntomerkeillä varustettuja kohdekielisiä käännöksiä. Koska useita erikielisiä käännöksiä voidaan suorittaa samanaikaisesti, pyyntöihin sisältyy myös haluttu kohdekieli. Koska MT 120:n palvelinprosessit 25 erikoistuvat kohdekielen mukaan, toimintaan osallistuu *;·· myös väylöitystoiminto, josta vastaa automaattisesti FMS

: 110. FMS 110 määrittää kunakin ajankohtana ajettavat kone- « t t | käännösprosessit sekä niiden jakautumisen eri koneiden

» » I

kesken muunnellen tätä jakautumissuhdetta kunakin hetkenä ,, , 30 työn alle tulevien käännöstehtävien joukon mukaisesti.

’ Kuvion 9 mukaisesti rajoitetun lähdekielen analy- >' saattori 127 käsittää kaksi toisiinsa liittyvää komponent- ;' · tia: syntaktisen jäsentimen 910 ja semanttisen tulkin 920.

Semanttinen tulkki 920 tunnetaan alalla myös nimellä ku- , 35 vaussääntötulkki. Syntaktinen jäsennin 910 saa syötteenä 57 113096 rajoitetun lähdekielen tekstin 305 ja tuottaa sille syntaktisen rakenteen. Syntaktinen jäsennin 910 käyttää ns. LFG-tyyppistä kielioppia. Tämä leksikaalis-funktionaalinen kielioppi (Lexical Functional Grammar) on formalisoitu 5 kielioppi, joka tunnetaan hyvin konekäännöksen alalla. Tällä aikaansaatava syntaktinen rakenne on LFG f-rakenne 960. Välittömästi sen jälkeen kun rajoitetun lähdekielen lauseen 960 f-rakenne on luotu, semanttinen tulkki 920 aloittaa kuvaussääntöjen soveltamisen korvatakseen lähde-10 kielen leksikaaliset yksiköt ja syntaktiset konstruktiot niiden interlingva-käännöksillä. Leksikaaliset yksiköt kuvautuvat aihealueen käsitteiden tapauksiin (esim. englannin sana data kuvautuu interlingvan käsitteeseen information) , kun taas syntaktiset rakenteet kuvautuvat käsit-15 teellisiksi suhteiksi (esim. lauseen subjekti kuvautuu in-terlingvassa usein "agenttien" suhteiksi). Ks. Mitamura, The Hierarchical Organization of Predicate Frames for Interpretive Mapping in Natural Language Processing, Center for Machine Translation, Carnegie Mellon University, tou-20 kokuu 1990, joka sisällytetään täten viitteenomaisesti tämän patenttihakemuksen selitykseen.

MT-analysaattori 127 kääntää analyysitietojen » · ,/ (tiedostojen) opastamana rajoitetun lähdekielen tekstin ;,ί 305 lähdekielisen syötelauseen merkityksen semanttiseksi 25 kehysesitykseksi. Analyysivaiheessa vaikuttaviin tietora- ·;·: kenteisiin kuuluvat analyysikieliopit, kuvaussäännöt ja : käsitesanasto.

.·[·’ Analyysin ensimmäinen osa on jäsennysprosessi, jo- • · » ta ohjaa syötelauseen syntaktinen analyysi. Jäsennin 910 ,, t 30 käyttää käsitesanaston piiriin sisältyviä semanttisia ra- • · * : ·' joituksia (aihealueen mallia) ohjaamaan syötteen analyy- sissä todettujen syntaktisten epäselvyyksien käsittelyä. ;*· ! Kuvaussäännöt toimivat syntaktisten analyysikielioppien ja » s käsitesanastojen välittäjinä.

» > * 1 » 58 113096 Tästä analyysistä saatava tuloste koostuu syntaktisista f-rakenteista, joihin sisältyy kaikki soveltuva semanttinen informaatio. Tämä rakenne voidaan käsitellä edelleen MT-analysaattorin 127 toisessa osassa ja tuottaa 5 näin semanttisesti organisoitu kehysesitys lauseenjäsennyksessä havaittujen käsitesanaston asiaan kuuluvien käsitteiden instantiaation muodossa. MT-analysaattori 127 päätyy tähän muotoon hakemalla f-rakenteen semanttiset ominaisuudet; nämä ominaisuudet sisältävät kaiken merkit-10 tävän semanttisen informaation.

Keksinnössä käytettävä syntaktinen jäsennin 910 tunnetaan alalla hyvin, ja se on kuvattu yksityiskohtaisesti teoksissa Tomita ja Carbonell, The Universal Parser Architecture for Knowledge-Based Machine Translation, 15 Technical Report, Center for Machine Translation, Carnegie Mellon University, toukokuu 1987; Tomita et al, (eds.), The Generalized LR Parser/Compiler Version 8.1: User's

Guide, Technical Memo, Center for Machine Translation, Carnegie Mellon University, huhtikuu 1988; molemmat sisäl-20 lytetään täten viitteenomaisesti tukemaan patenttihakemusta .

Eräs interlingva-käännösjärjestelmien tarjoamista eduista muihin konekäännösjärjestelmiin nähden on se, että interlingva 260 on kielestä riippumaton, ts. lähdekieli ja ‘<t i 25 kohdekieli eivät koskaan ole suorassa kontaktissa. Tämän ; ’ 1 1 avulla voidaan luoda konekäännösjärjestelmä, joka mahdol- • listaa periaatteessa minkä tahansa lähde- ja kohdekielen valinnan vain minimaalisilla analyysirakenteen muutoksilla. Järjestelmien tulee täten selvästikin kyetä jäsentä- ... 30 mään suuri määrä eri lähdekieliä. Tästä syystä tarvitaan yleiskäyttöinen jäsennin, joka käyttää kielen kielioppia syötteenä sen sijasta, että kielioppi rakennettaisiin var-sinaiseen tulkkiin. Näin saavutetaan suurempi laajennetta-*:’· vuus ja yleisyys.

> » 59 113096

Toisin sanoen useita kieliä käsiteltäessä kielellinen rakenne ei enää ole universaali invariantti, joka siirtyy kaikkiin sovelluksiin (kuten oli laita yksinomaan englannin kielen jäsentimien kohdalla) , vaan se toimii pi-5 kemminkin parameterisoinnin ja laajennettavuuden yhtenä ulottuvuutena. Semanttinen informaatio voi kuitenkin pysyä vakiona kaikissa kielissä (joskaan ymmärrettävästi ei kaikilla aihealueilla). Tästä syystä on olennaista, että semanttiset tietolähteet pidetään erillään syntaktisista 10 tietolähteistä niin, että uutta kielellistä informaatiota lisättäessä tällainen tieto on sovellettavissa kaikkiin semanttisiin aihealueisiin, ja uutta semanttista informaatiota lisättäessä tämä tieto on sovellettavissa kaikkiin asiaan kuuluviin kieliin. Yleisjäsentimen tarkoituksena on 15 saavuttaa tällainen tekijöihin jakautuminen ilman merkittäviä kompromisseja ajoajan tehokkuuden tai semanttisen tarkkuuden suhteen.

Jäsentimelle 910 on tunnusomaista sen kolme erilaatuista tietolähdettä. Ensimmäiseen sisältyvät eri kiel-20 ten syntaktiset kieliopit, toiseen eri aihealueiden semanttiset tietokannat ja kolmanteen sääntöjoukot, jotka kuvauttavat syntaktiset muodot (sanat ja ilmaukset) semanttiseksi tietorakenteeksi. Kukin syntaktinen kielioppi "· on riippumaton suhteessa kaikkiin yksittäisiin aihealuei- : 25 siin. Samaten kukin semanttinen tietämyskanta on riippuma- ·;*·· ton suhteessa kaikkiin yksittäisiin kieliin.

• Kuvaussäännöt ovat niinikään kielestä ja aihealu- eista riippuvaisia, ja uusi kuvaussääntöjen joukko luodaan jokaista kieli/aihealueyhdistelmää varten. Syntaktiset .. . 30 kieliopit, aihealueiden tietämyskannat ja kuvaussäännöt on kirjoitettu erittäin abstraktilla, ihmisen luettavissa I t olevalla tavalla. Tämän järjestelyn ansiosta niitä on helppo laajentaa tai muuttaa, mutta samalla ne saattavat ;··| kuitenkin vaikuttaa ajoaikaisen jäsentimen toimintaan te- 1 , 35 hoa alentavasti.

60 113096

Kuvaussääntötulkin 920 tehtävänä on luoda ja käsitellä jäsennyksen syntaktisia ja semanttisia rakenteita ja lisäksi luoda tällaisia rakenteita samanaikaisesti.

Yleisjäsennin 910 tuottaa kaikki mahdolliset - ts.

5 pätevät - f-rakenteet, jotka voidaan johtaa jäsennetyistä lauseista. Jokaisella näistä syntaktisista f-rakenteista on semanttisia ominaisuuksia, ja LFG-teorian mukaisesti nämä ominaisuudet luodaan samanaikaisesti muiden syntaktisten f-rakenteiden kanssa. Semanttista komponenttia voi-10 daan näin ollen pitää f-rakenteiden lisäominaisuutena.

Täten semanttinen komponentti on syntaktisen jäsennyksen "näkyvä" osa. Tällaisen lähestymistavan, jossa samanaikaisesti luodaan syntaktiset ja semanttiset rakenteet, tuloksena on saatu järjestelmä, joka kykenee elimi-15 noimaan "merkityksettömät" osittaisjäsennykset ennen niiden loppuunsaattamista. Semantiikka lisätään syntaktiseen rakenteeseen, kun sanastoon suoritetaan haku sanan määritelmää varten. Sanan määritelmään kuuluu osana myös rakenteellisten kuvaussääntöjen joukko. Näitä kuvaussääntöjä 20 käytetään, kun kielioppisääntöjen syntaktiset yhtälöt lisäävät informaatiota syntaktiseen rakenteeseen.

Kohdekielen generaattorikomponentti 123 vastaanot- ·’...· taa interlingva-tekstiä 260 syötteenä ja tuottaa kohdekie- ""·* listä tekstiä 950 tulosteena. Kohdekielen generaattori 123 : ' : 25 muodostuu kahdesta keskeisestä moduulista, joista toinen ·;*·· on semanttinen ja toinen syntaktinen. Semanttinen moduuli : .·. suorittaa kohdetekstin leksikaalisen valinnan ja kohdekie- * * » »

Ien syntaktisten konstruktioiden valinnan. Näissä tehtä- • * · vissä sen apuna toimii kumpaakin vastaten tuottosanasto ja .. . 30 tuottorakenteen kuvaussäännöt. Tämän moduulin tulosteena •>f; saadaan järjestelmän tulostaman kohdekielen lauseen f-ra- » » ‘y·’ kenne.

Generaatiomoduulin tarkoituksena on tuottaa kohde- kielen lauseita interlingva-tekstin 260 kehyksistä, jotka ‘ , 35 rajoitetun lähdekielen analysaattori 127 on tuottanut.

* » · j » 61 113096 Tällainen tuottaminen tapahtuu kolmessa päävaiheessa: 1. Leksikaalinen valinta. Jokaista interlingva— muotoista käsitettä kohden tulee valita sopivin leksikaalinen nimike.

5 2. F-rakenteen luominen. Syntaktinen funktionaali nen rakenne, joka määrittää kohdeilmaisun kieliopillisen rakenteen, tulee tuottaa Interlingva-tekstikehyksistä.

3. Syntaksin tuottaminen. Tuottokielioppi käsittelee syntaktisen funktionaalisen rakenteen kohdekielisen 10 lauseen tuottamiseksi.

Generaatiomoduulin 940 suunnittelussa yhdistyvät viimeaikaisen leksikaaliseen valintaan kohdistuneen tutkimuksen tulokset ja nk. kuvaus ja tuotto -paradigma (map-and-generate), jota on hyödynnetty aiemmissa käännösjär-15 jestelmissä.

Konekäännöstä ja yllä kuvattujen moduulien suunnittelua ja toimintaa on käsitelty tarkemmin teoksissa Ni-renburg et ai, Machine Translation: A Knowledge-Based Approach, Morgan Kaufmann Publishers, Inc., 1992; Sommers & 20 Hutchins, Introduction to Machine Translation, London,

Academic Press, lokakuu 1991; Mitamura et ai, An Efficient Interlingva Translation System for Multi-lingual Document *...· Production, Machine Translation Summit II -kokouksen toi- "”·* mituksia, Washington D.C., 2. - 4. heinäkuuta 1991; Niren- 25 burg, S., "World Knowledge and Text Meaning", K. Goodman ·;··· ja S. Nirenburg, (eds.), The KBMT Project: A Case Study in j Knowledge-Based Machine Translation, San Mateo, Calif., t t » ·

Morgan Kaufmann; KBMT-89 projektiraportti on saatavilla • > · osoitteesta Center for Machine Translation, Carnegie Mel-,, . 30 Ion University, Pittsburgh, PA (puh. +412-268-6591) (4.

painos: maaliskuu 1990); S. Nirenburg, (ed.), Machine ‘t'·" Translation: Theoretical and Methodological Issues, Cam- : bridge, Mass., Cambridge University Press, 1987, s. 68 - *;; 89; Carbonell et al, Steps Toward Knowledge-Based Machine ‘ , 35 Translation, IEEE Transaction on Pattern Analysis and Ma- t · < r t > t 62 113096 chine Intelligence, Voi. PAMI-3, nro 4, heinäkuu 1981; kaikki tämä sisällytetään täten viitteenomaisesti tukemaan patenttihakemusta.

Vaikka keksintö on erityisesti esitelty ja kuvattu 5 viittaamalla patenttihakemuksen suoritusmuotoihin, on kaikille alaa tunteville selvää, että useita sen muotoa ja yksityiskohtia koskevia muutoksia voidaan tehdä, ilman että keksinnön hengestä tai piiristä poiketaan.

• · • · • · • 1 • · · • · · tl» » tl» • · · * 1 1 · 1 • 1 « 1 · * t • · » 1 » 1 · i i * I » M » ·

Claims (26)

63 113096

1. Tietokonepohjainen järjestelmä (105) yksikieliseen asiakirjanvalmistukseen käsittäen: 5 tekstieditorin (140), joka on sovellettu vastaan ottamaan vuorovaikutteisesti kirjoittajalta (160) lähde-kielellä kirjoitettua syötetekstiä, sekä kielieditorin (130), joka on kyseisen tekstieditorin (140) jatke, joka vuorovaikutteisesti saattaa voimaan 10 leksikaaliset rajoitukset ja kieliopilliset rajoitukset, jotka koskevat kyseisen kirjoittajan (160) kyseisen syöte-tekstin luomisessa käyttämää luonnollisen kielen osajoukkoa, jolloin kyseistä kirjoittajaa (160) avustetaan vuorovaikutteisesti saattamaan voimaan kyseiset leksikaaliset 15 rajoitukset ja kyseistä syötetekstiä koskevat kyseiset kieliopilliset rajoitukset niin, että tuloksena saadaan merkitykseltään yksiselitteistä rajoitettua tekstiä, konekäännösjärjestelmän (105), vasteellinen kyseiselle kielieditorille (130), joka on konfiguroitu kääntä-20 mään kyseinen yksiselitteinen rajoitettu teksti vieraalle kielelle, tunnettu siitä, että järjestelmä käsittää lisäksi aihealueen mallin (137), joka on yhteydessä kysei-25 sen kielieditorin (130) kanssa, jolloin kyseinen aihealu- Ή ·;··· een malli (137) tuottaa ennalta määrättyä aihealuekohtais- j ta tietoa ja kielellistä semanttista informaatiota leksi- kaalisista yksiköistä ja niiden yhdistelmistä avustaakseen * * · näin kyseistä kielieditoria (130) kyseisten leksikaalisten , 30 ja kieliopillisten rajoitusten voimaansaattamisessa, jossa * * · kyseinen aihealueen malli (137) on kolmiosainen aihealueen • i malli, kyseisen kolmiosaisen aihealueen mallin käsittäes-sä: >;·*· ytimen (510), joka sisältää kyseisen kielieditorin ' . 35 (130) ja kyseisen konekäännösjärjestelmän (105) tarvitse- » i ί ί | man leksikaalisen tiedon, jolloin mainittu leksikaalinen • · 64 113096 tieto sisältää leksikaaliset osaset mainitusta luonnollisen kielen osajoukosta yhdessä siihen liittyvien semanttisten käsitteiden, puheenparsien ja muoto-opillisen informaation kanssa, 5 kielieditorin aihealueen mallin (530), joka sisäl tää ainoastaan kyseisen kielieditorin (130) tarvitsemia tietoja, jolloin mainitut tiedot sisältävät vähintään yhden luonnollisen kielen osajoukon synonyymit osasille, jotka eivät ole mainitussa luonnollisen kielen osajoukos-10 sa, mainittujen leksikaalisten osasten sanakirja-määritelmät, ja mainittujen leksikaalisten osasten käyttöesimerkit, ja konekäännöksen aihealueen mallin (520), joka sisältää ainoastaan kyseisen konekäännöksen aihealueen mal-15 Iin (520) tarvitsemia tietoja sisältäen käännöksen yksiselitteisessä kartoituksessa ja semanttisessa tarkastuksessa käytettyjen käsitteiden hierarkian.

2. Patenttivaatimuksen 1 mukainen tietokone-poh-jainen järjestelmä (105), tunnettu siitä, että 20 kyseinen kielieditori (130) käsittää kieliopin tarkastajan (610), joka sisältää välineet yksikäsitteiselle vuorovaikutteisuudelle.

• * « ·...· 3. Patenttivaatimuksen 1 mukainen tietokone- *’·: pohjainen järjestelmä (105), tunnettu siitä, että : 25 kyseinen kielieditori (130) käsittää sanaston tarkastajan ;*'· (160) vertaamaan kyseistä syötetekstiä sallittuun sanas- : toon ja ehdottamaan vaihtoehtoja. • · · ·

4. Tietokonepohjainen menetelmä yksikielistä asia- • I i kirjanvalmistelua varten käsittäen seuraavat vaiheet: ... 30 (1) syötetekstin kirjoittaminen lähdekielellä *(i>* tekstieditoriin (140) , ♦ · ’··* (2) kyseisen syötetekstin tarkistus kielieditorin (130) välityksellä ennalta määrättyä rajoitejoukkoa vas- * · ten, • . 35 (3) vuorovaikutteisen palautteen antaminen kir- [ joittajalle (160) koskien kyseistä syötetekstiä, kyseinen * · 65 113096 vuorovaikutteinen palaute ilmoittaen vastaavuudesta kyseisen ennalta määrätyn rajoitejoukon vaatimusten suhteen, (4) merkitykseltään yksiselitteisen rajoitetun tekstin tuotanto vaiheen (3) suorittamisen jälkeen, ja 5 (5) yksiselitteisen rajoitetun tekstin kääntäminen konekäännösjärjestelmällä (105) vieraalle kielelle; menetelmän ollessa tunnettu siitä, että ennalta määrätty rajoitejoukko on tallennettu aihealueen malliin (137), joka tuottaa ennalta määrättyä ai-10 healuekohtaista tietoa ja kielellistä semanttista tietoa leksikaalisista yksiköistä ja niiden yhdistelmistä, kyseisen ennalta määrätyn rajoitejoukon sisältäessä lähde-kielenä toimivan erityiskielen sanastoa ja kielioppia koskevan sääntöjoukon, aihealueen malli (137) on kolmiosainen 15 aihealueen malli, kyseisen kolmiosaisen aihealueen mallin käsittäessä: ytimen (510), joka sisältää kyseisen kielieditorin ja konekäännösjärjestelmän (105) tarvitsemia tietoja, jolloin mainittu leksikaalinen informaatio sisältää leksikaa-20 liset osaset, jotka tyydyttävät kyseisen ennalta määrätyn rajoitejoukon yhdessä siihen liittyvien semanttisten käsitteiden, puheenparsien ja muoto-opillisen informaation • * » kanssa, kielieditorin aihealueen mallin (530), joka sisäl-25 tää ainoastaan kyseisen kielieditorin tarvitsemia tietoja, ·;·*· jolloin mainitut tiedot sisältävät vähintään yhden osajou- : kon synonyymit osasille, jotka eivät tyydytä mainittua ennalta määrättyä rajoitejoukkoa, mainittujen leksikaalis- • * * ten osasten sanakirjamääritelmät, ja mainittujen leksikaa-, 30 listen osasten käyttöesimerkit, sekä *, t ** konekäännöksen aihealueen mallin (520), joka ’·-· sisältää ainoastaan kyseisen konekäännösjär jestelmän (105) tarvitsemia tietoja, mainitun konekäännöksen aihealueen mallin (520) käsittäessä käännöksen yksiselitteisessä kar-* , 35 toituksessa ja semanttisessa tarkastuksessa käytettyjen ’ käsitteiden hierarkianpa » > I i I * I 66 113096 kyseisen vuorovaikutteisen palautteen tullessa annetuksi kyseisen aihealueen mallin (137) käyttöönoton jälkeen, joka malli antaa tarvittavan aihealuekohtaisen tiedon sekä kielellisen semanttisen tiedon leksikaalisista 5 yksiköistä ja niiden yhdistelmistä, ja lisäksi kyseessä olevan luonnollisen kielen osajoukon kieliopin.

5. Patenttivaatimuksen 4 mukainen tietokonepohjainen menetelmä, tunnettu siitä, että kyseinen ennalta määrätty rajoitejoukko sisältää lähdekielenä toimi- 10 van erityiskielen sanastoa ja kielioppia koskevan sääntö-joukon, jolloin kyseinen vuorovaikutteinen palaute annetaan kyseisen syötetekstin mukauttamiseksi kyseisen lähde-kielenä toimivan erityiskielen sääntöjoukon vaatimuksiin sekä tekstin sisältämien monitulkintaisuuksien eliminoimi-15 seksi.

6. Patenttivaatimuksen 4 mukainen tietokonepohjainen menetelmä, tunnettu siitä, että vaihe 4 sisältää : syntaktisten kielioppivirheiden ja semanttisten 20 epäselvyyksien tarkistaminen kyseisestä rajoitetusta läh-detekstistä kyseisen aihealueen mallin (137) käytön avulla, ja ·...· vuorovaikutteisen palautteen antaminen kyseiselle ’ i ’ ‘ i tekstin kirjoittajalle (160) avustamaan kyseiseen rajoi- 25 tettuun lähdetekstiin sisältyvien kyseisen kaltaisten syn-·;··· taktisten kielioppivirheiden ja semanttisten epäselvyyksi- I en poistamiseksi niin, että tuloksena saadaan merkityksel- I I I · tään yksiselitteistä rajoitettua tekstiä. * * ·

7. Patenttivaatimuksen 1 mukainen järjestelmä ,, , 30 (105), tunnettu siitä, että se käsittää lisäksi 1 ** välineet kyseisen vuorovaikutteisen voimaansaatta misen kautta merkitykseltään yksiselitteiseksi rajoitetuk- ,si tekstiksi muokatun syötetekstin osan varustamiseksi > · .tuntomerkillä siten, että kyseinen tuntomerkki toimii mai- , 35 nitun syötetekstin kyseisen osan kielellisenä merkkinä. 67 113096

8. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että se käsittää edelleen toiminnot, joiden avulla kyseisen vuorovaikutteisen voimaansaattamisen kautta merkitykseltään yksiselitteiseksi 5 rajoitetuksi tekstiksi muokattu syötetekstin osa voidaan varustaa tuntomerkillä siten, että kyseinen tuntomerkki toimii ilmaisuna käännöskelpoisuudesta.

9. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että kyseinen konekäännös- 10 järjestelmä (123) on sijoitettu käännöspalvelinympäris- töön, jossa useat kirjoittajat (160) voivat käyttää järjestelmää samanaikaisesti.

10. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että kyseinen kirjoittaja 15 (160) käyttää työasemaa, joka on osa tietokoneverkkoa.

11. Patenttivaatimuksen 7 mukainen järjestelmä, tunnettu siitä, että kyseiseen konekäännösjärjes-telmään (123) sisältyy tulkki (920), joka kokoonpanomäärityksen mukaisesti kääntää kyseistä merkitykseltään yksise- 20 litteistä rajoitettua lähdetekstiä interlingua-muotoon.

12. Patenttivaatimuksen 7 mukainen järjestelmä, tunnettu siitä, että kyseinen kielieditori (130) ·...· vastaa yhteydestä kyseisen kirjoittajan (160) kanssa erä- käsittelytilassa. :>t>: 25

13. Patenttivaatimuksen 7 mukainen järjestelmä *:··· (105) käsittäen edelleen tekstinimikkeitä luomaan sovelle- • ;"· tun grafiikkaeditorin (150), tunnettu siitä, että » V » k kyseiset tekstinimikkeet voidaan muokata kyseisen kirjoit- ' * · tajan (160) toimesta kyseisen kielieditorin (130) avulla ... 30 ja tämän jälkeen kääntää kyseisen konekäännösjärjestelmän *,.* (123) toimesta.

» · ’;·* 14. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että rajoitettu kieli on ·:*: luonnollisen kielen osajoukko ja määritelty sanaston ja 35 kieliopin suhteen. » t 68 113096

15. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että kyseinen kielieditori (130) käsittää sanaston tarkistimen (610) ja kielioppitar-kistimen (620).

16. Patenttivaatimuksen 15 mukainen järjestelmä (105), tunnettu siitä, että kyseinen sanaston tarkistin (610) tarkistaa kyseisen syötetekstin sallittua sanastoa vasten ja ehdottaa vaihtoehtoja käytetyille sanoille, jotka eivät ole tämän sanaston mukaisia.

17. Patenttivaatimuksen 15 mukainen järjestelmä (105), tunnettu siitä, että kyseinen kielioppi- tarkistin (620) tarkistaa tekstin ennalta määriteltyihin kielioppisääntöihin pitäytymisen suhteen ja ehdottaa vaihtoehtoja kielioppirakenteille, jotka eivät vastaa näitä 15 määritelmiä.

18. Patenttivaatimuksen 15 mukainen järjestelmä (105), tunnettu siitä, että kyseinen kielioppi- tarkistin (620) antaa palautetta kirjoittajalle (160) koskien leksikaalisia epäselvyyksiä ja rakenteellisia epäsel- 20 vyyksiä.

19. Patenttivaatimuksen 15 mukainen järjestelmä (105), tunnettu siitä, että kyseinen kielioppi- « · tarkistin (620) vastaa vuorovaikutteisen yksikäsitteistyk-”·* sen toteuttamisesta. : 25

20. Patenttivaatimuksen 15 mukainen järjestelmä (105), tunnettu siitä, että kyseiseen sanaston tarkistimeen (610) sisältyy oikeinkirjoituksen tarkistin (615). • · I

21. Patenttivaatimuksen 15 mukainen järjestelmä , 30 (105) , tunnettu siitä, että kyseinen sanaston t;’ tarkistin (610) kokoonpanomäärityksen mukaisesti tunnistaa ’··* sanat, jotka eivät kuulu rajoitettuun lähdekieleen.

22. Patenttivaatimuksen 7 mukainen järjestelmä ' * * ij (105), tunnettu siitä, että kyseinen syöteteksti , 35 tuotetaan tietoelementeistä koostuvina lohkoina. > - , » » · 69 113096

23. Patenttivaatimuksen 22 mukainen järjestelmä (105), tunnettu siitä, että kyseiset tietoelementit sisältävät tuntomerkkejä, joiden avulla tietoelementit (410) voidaan kuvailla niiden sisällön ja loogisen raken- 5 teen suhteen.

24. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että se käsittää edelleen muistiintallennustoiminnot kyseisen merkitykseltään yksiselitteisen rajoitetun tekstin tallentamiseksi muistiin 10 myöhempää käyttöä varten.

25. Patenttivaatimuksen 7 mukainen järjestelmä (105), tunnettu siitä, että mainittu tuntomerkki ilmaisee sisällön ja loogisen rakenteen.

26. Patenttivaatimuksen 7 mukainen järjestelmä 15 (105), tunnettu siitä, että mainittu tuntomerkki ilmaisee kyseisen kirjailijan valitseman mainitun osan määritellyn merkityksen. • · · • · t I • « * > · · r · » · * « * » ( * i * * > » ) I I t > · I * * · · » I · » » > · • · * J · » · I · 70 113096