استخراج خودکار معادل های واژگانی از پیکره های دو زبانه موازی

امروزه به مدد ظهور انواع فناوری های رایانه ای، پیکره های زبانی نقش بسیار مهمی در حل انواع مختلف مسائل زبانشناختی ایفا می کنند. پیکره های دو زبانه موازی در سطح جمله و در سطح واژه می توانند برای بازیابی واحدهای تک واژه ای و یا حتی چند واژه ای براحتی مورد استفاده قرار گیرند که این امر کاربردهای مفیدی در حوزه های مختلف رایانه و زبان خواهد داشت. هدف این مقاله به کارگیری یک پیکره موازی انگلیسی– فارسی از قبل طراحی شده در جهت ساخت یک مطابقه[1] (کشف اللغات) دو زبانه کارآمد با استفاده از آماره اطلاعات متقابل است. در اینجا از آماره اطلاعات متقابل استفاده می شود تا همترازی در سطح واژه بین جملات انگلیسی و فارسی پیکره مورد نظر صورت گیرد. یک پیکره زبانی همتراز شده در سطح واژه مسلما کاربردهای زیادی از جمله در تهیه نرم افزار حافظه ترجمه، مدیریت مجموعه اصطلاحات، بازیابی اطلاعات دوزبانه، سیستم ترجمه ماشینی مبتنی بر آمار و مانند آن دارد. با استفاده از یک الگوریتم ابتکاری آزمایشی ترتیب داده شده و مقایسه ای بین برونداد همترازسازی خودکار با جملات همتراز شده توسط مترجم انسانی صورت گرفت. نتایج این آزمایش نشان داد که برنامه مطابقه گزارش شده در این تحقیق می تواند صحتی معادل 75 درصد را به دست آورد.