MEMÓRIAS DE TRADUÇÃO: AUXILIANDO O HUMANO A TRADUZIR

Transcrição

1 MEMÓRIAS DE TRADUÇÃO: AUXILIANDO O HUMANO A TRADUZIR Cleber Takahito Kawamorita Helena de Medeiros Caseli Introdução Devido aos avanços tecnológicos que ocorreram nos últimos anos, em especial, à popularização da internet, principalmente com o surgimento de sites e repositórios de informação multilíngue, a tradução se tornou uma necessidade do público em geral. Contudo, a disponibilidade crescente de informação multilíngue se contrapõe à dificuldade dos usuários, espalhados por todo o mundo, em entender esse conteúdo. Embora existam, atualmente, diversos sistemas para a tradução automática (TA) comerciais ou disponíveis online como o Systran ( o Apertium ( e os tradutores do Google ( ainda não é possível alcançar as ambiciosas metas dos primórdios da TA: produzir uma tradução de boa qualidade em domínios irrestritos, por meio de sistemas completamente automáticos. Em contraposição, outras frentes de pesquisa surgiram com o intuito de criar ferramentas para auxiliar o humano na tarefa de traduzir (Machine-Aided Human Translation) ou de editar a tradução antes, durante ou depois de sua realização (Human-Aided Machine Translation). Na primeira frente estão as ferramentas de Memória de Tradução (MT). Uma MT pode ser entendida como um repositório de segmentos (geralmente frases ou sentenças) originais acompanhados de suas respectivas traduções humanas, armazenados para que possam ser manipulados e reaproveitados (University of Leeds 2012). Com o passar do tempo, a MT agrupa um grande conjunto de segmentos que podem ser recuperados pela ferramenta de MT por meio de um casamento (matching) completo ou parcial sempre que um segmento igual ou semelhante aparecer novamente. Assim, uma MT pode ser considerada um corpus paralelo com segmentos alinhados de textos já traduzidos (Nogueira 2012). Entre as principais vantagens do uso de MT estão: consistência e agilidade. Ao mesmo tempo que as MTs asseguram consistência na tradução de documentos sugerindo o uso de termos, estruturas, expressões e definições comuns, elas também

2 aceleram o processo de tradução já que dividem a tarefa com o tradutor humano recordando o que já foi previamente traduzido e deixando-o focado na tradução de novos trechos. Este artigo apresenta uma ferramenta de Memória de Tradução online desenvolvida com o intuito de auxiliar o tradutor humano a superar as barreiras impostas pelas línguas. A ferramenta de MT é uma das ferramentas disponíveis no Portal de Tradução Automática do Laboratório de Linguística Computacional da UFSCar, o PorTAl, em: Para permitir o entendimento dessa ferramenta, bem como sua comparação com outras similares, a próxima seção traz um breve relato dos trabalhos relacionados. Em seguida, descreve-se a metodologia empregada no desenvolvimento da ferramenta de MT e seus resultados principais e as outras funcionalidades de suporte. Por fim, o artigo apresenta uma breve conclusão. Trabalhos Relacionados Ferramentas de MT como OmegaT ( Anaphraseus ( Wordfast ( net/), Trados da IBM ( o Déjà Vu da Atril ( e o Google Translator Toolkit da Google ( basicamente funcionam como descrito a seguir. Dado um texto no idioma fonte que se deseja traduzir, primeiramente, esse texto é dividido em segmentos (delimitadores de segmentos usualmente empregados são símbolos de pontuação como ponto final ou dois pontos). Em seguida, cada segmento do texto fonte é apresentado ao tradutor humano para ser traduzido. Cada nova tradução produzida pelo especialista é armazenada na MT juntamente com o segmento original. A partir daí, se o texto de um segmento original for semelhante a um segmento já traduzido armazenado na MT, a ferramenta recupera a tradução anterior e a indica como sugestão. O tradutor pode utilizar a sugestão, editá-la ou desprezá-la realizando uma tradução completamente diferente. Seja qual for sua decisão, a ferramenta de MT armazena o par resultante (segmento fonte e segmento traduzido), também chamado de unidade de tradução, passando para o próximo segmento do texto original (Fracassi 2012). Dentre as ferramentas citadas, o Google Translator Toolkit possui a maior

3 similaridade com a ferramenta de MT desenvolvida neste projeto. Tanto a ferramenta citada quanto a ferramenta aqui apresentada são aplicações Web e possuem servidores remotos em que as alterações são armazenadas assim que são realizadas. Uma das vantagens das aplicações Web é que o seu uso só requer a conexão com a internet e o navegador com suporte a padrões recentes, eliminando a necessidade de instalação da ferramenta específica na máquina local do usuário. Diversas funcionalidades podem incrementar esse processo e estão presentes em algumas das ferramentas investigadas como o uso de glossários (dicionários bilíngues possivelmente especializados para um dado domínio), casamento de segmentos similares (e não apenas idênticos), edição manual ou semiautomática dos segmentos e análises estatísticas. A ferramenta de MT apresentada neste artigo também segue o processo descrito anteriormente e agrega algumas dessas funcionalidades como o glossário e a edição de segmentos fonte e alvo, como descrito a seguir. Metodologia Para o desenvolvimento da ferramenta de MT apresentada neste artigo utilizouse as seguintes tecnologias: a linguagem de programação PHP com Zend Framework (no servidor), a linguagem de script JavaScript com Dojo Toolkit (nas máquinas dos usuários), o servidor Web HTTP Apache e o banco de dados (BD) PostgreSQL. O desenvolvimento realizado com essas tecnologias seguindo o padrão Model-View- Controller garante modularidade e facilita a manutenção da ferramenta. Para permitir o gerenciamento do processo de tradução, bem como armazenar os pares de segmentos original-traduzido, quatro tabelas foram projetadas e implementadas no BD para: (1) armazenar os dados sobre o projeto de tradução (dono do projeto, MTs utilizadas etc.), (2) armazenar os segmentos de uma MT (pares de segmento fonte e alvo), (3) armazenar os dados da própria MT (área, segmentos que estão contidos nesta MT etc.) e (4) relacionar o projeto de tradução com uma ou mais MTs em uso. Além dessas quatro tabelas principais também existem outras tabelas de uso do PorTAl, como as que armazenam informações dos idiomas e dos usuários, e as que fazem a comunicação com outros recursos do PorTAl, como a tabela que gerencia o uso de dois dicionários monolíngues para a definição do glossário bilíngue usado no projeto de tradução.

4 Desse modo, a ferramenta implementada é de uso online e está disponível no PorTAl, podendo ser utilizada com os principais navegadores modernos populares. Para utilizar a ferramenta de MT e demais recursos e ferramentas do PorTAl basta realizar o cadastro gratuito. Vale dizer, também, que toda a interface do PorTAl está disponível nos idiomas português do Brasil e inglês. Resultados Essa seção descreve a ferramenta de MT e suas principais funcionalidades. A Figura 1 traz a tela principal da ferramenta a qual pode ser dividida em três partes principais contendo: (1) duas caixas de texto, (2) sugestões recuperadas da MT em uso, e (3) informações sobre o projeto de tradução corrente e ferramentas/recursos em uso neste projeto. Fig. 1: Tela principal da ferramenta de MT Na área (1) há dois textos: o texto fonte sendo traduzido (1a) e o texto alvo com os segmentos já traduzidos (1b). No texto fonte, o segmento que está em tradução é destacado e sua tradução deve ser digitada na caixa de edição na área do texto alvo. Botões de setas abaixo da caixa de edição alvo permitem a navegação entre segmentos, enquanto os botões Cancelar e Salvar ignoram ou adotam, respectivamente, a tradução realizada até então. Vale ressaltar, também, que assim como as demais

5 ferramentas de MT citadas na seção de trabalhos relacionados, é possível editar a segmentação do texto fonte feita automaticamente por meio da união e da divisão de segmentos. Em (2) são apresentados os segmentos similares recuperados das MTs em uso. O usuário pode selecionar um segmento e enviá-lo para caixa de edição alvo por meio do botão Usar sugestão. A busca por segmentos similares é feita automaticamente pela ferramenta cada vez que um novo segmento fonte é selecionado. Algumas informações (como o andamento do processo de tradução) e recursos auxiliares (por exemplo, glossários) são apresentados em (3). Para o teste da ferramenta foram utilizadas as MTs disponíveis na Linguateca ( como o texto utilizado na Figura 1, porém é importante mencionar que o usuário pode fazer o upload ou construir semiautomaticamente sua própria memória de tradução. Os segmentos traduzidos são armazenados automaticamente no BD assim que um novo segmento é selecionado para a tradução. Com isto é possível utilizar os segmentos recém traduzidos ainda durante a tradução do mesmo documento. Outra característica importante dessa ferramenta é a possibilidade de utilizar múltiplas MTs durante a tradução. O armazenamento das traduções é realizado por meio de uma técnica conhecida como AJAX, que realiza a comunicação com servidor via JavaScript. Como os dados são armazenados assim que ocorrem as edições, o usuário consegue continuar a tradução a partir do ponto que ele estava trabalhando nos últimos momentos da tradução, mesmo que ocorra a interrupção inesperada de conexão. Por fim, outra funcionalidade recém implementada é o alinhamento lexical dos textos fonte e traduzido. Esta funcionalidade se torna acessível somente quando a tradução estiver totalmente finalizada. Detalhes sobre esta e outras funcionalidades adicionais da ferramenta de MT do PorTAl são apresentados a seguir. Ferramentas de suporte Além da funcionalidade principal da MT, a ferramenta de MT do PorTAl disponibiliza outras ferramentas adicionais que enriquecem o ambiente da tradução. Nesta ferramenta, as traduções são organizadas em projetos de tradução. Cada projeto possui um documento com texto fonte de tradução e um documento com o texto

6 alvo, a tradução propriamente dita. Além dos textos fonte e alvo, para cada projeto é associada pelo menos uma MT que é consultada durante a tradução. Adicionalmente, o projeto pode ter um glossário associado. Uma mesma MT ou um mesmo glossário pode ser utilizado em vários projetos de tradução, e um projeto de tradução pode ser associado para consultar diversas MTs ou glossários distintos. Ao realizar a tradução utilizando a ferramenta de MT do PorTAl, são utilizados os recursos (MTs e dicionários) registrados no PorTAl; sendo assim, foram criadas as interfaces que possibilitam o gerenciamento de tais recursos. Menu principal A Figura 2 apresenta o menu principal da ferramenta que possibilita ao usuário acessar as interfaces de gerenciamento de projetos de tradução, MT e glossário. Fig2. Menu principal da ferramenta Gerenciamento de projeto de tradução O gerenciamento de projeto é feito em interface que lista os projetos de tradução que um usuário possui. Esta lista exibe nome do arquivo fonte e alvo e o progresso de tradução de cada projeto de tradução. Um usuário pode continuar a tradução, modificar informações de um projeto de tradução, remover um projeto ou iniciar uma nova tradução criando um projeto novo. Ao iniciar uma tradução, o usuário pode optar por pré traduzir o texto fonte

7 utilizando o tradutor automático estatístico baseado em frases (phrase-based SMT) do PorTAl. Neste caso o usuário irá realizar a correção da tradução feita pela máquina, ou seja, o usuário irá realizar a pós-edição da tradução automática. Gerenciamento de MT e seus segmentos A interface de gerenciamento de MT possibilita a listagem, criação, modificação e remoção das MTs que o usuário possui. Cada MT possui um nome, idiomas fonte e alvo, além de outras informações. A partir da lista de MTs o usuário pode acessar a interface de gerenciamento de pares de segmentos de uma MT específica. Nesta interface, apresentada na Figura 3, é exibida a lista de pares de segmentos, cada um com seu conteúdo e a pontuação dada pelo usuário. Esta interface possibilita realizar a busca de um segmento, a remoção e a edição de um par de segmentos e a criação de uma nova entrada para a MT (um novo par de segmentos fonte e alvo). O usuário também pode atribuir uma pontuação para cada par de segmentos, avaliando-o positivamente ou negativamente. A pontuação de um par de segmentos é composta pela a pontuação dada manualmente pelo usuário e pelo grau de referência (número de vezes que o par de segmentos foi utilizado em alguma tradução, incrementado automaticamente a cada referência realizada durante a tradução). Essa pontuação é usada para ordenar os segmentos semelhantes na MT em uso durante a tradução de um novo texto. Fig. 3: Segmentos em uma MT inglês-português Por fim, é possível importar pares de segmentos contidos em uma MT, fazendo o

8 upload de arquivos de MT no formato TMX, comumente suportado pelas ferramentas de MT, ou a partir de arquivos contendo textos paralelos. Da mesma forma, é possível exportar a MT criada nesta ferramenta no formato TMX. Gerenciamento de Glossários A interface de gerenciamento de glossário exibe uma lista de glossários que o usuário possui, de modo similar à interface de gerenciamento de MT. Um glossário na ferramenta de MT do PorTAl é um dicionário bilíngue, ou seja, uma coleção de palavras que são a tradução umas das outras, armazenadas em dois dicionários monolíngues cadastrados no PorTAl. Sendo assim, cada glossário possui dois dicionários associados. A ferramenta de tradução não realiza distinção de fonte-alvo no glossário, possibilitando o uso de um mesmo glossário na tradução em ambas as direções. A Figura 4 ilustra um glossário (à esquerda) que pode ser utilizado na tradução do texto corrente. Por exemplo, o glossário traz como possível tradução para a palavra soya em inglês a palavra soja, em português. Fig. 4: Uso de glossário durante a tradução Alinhador de palavras Outra funcionalidade da ferramenta de MT do PorTAl é a possibilidade de alinhar um par de texto fonte e traduzido por completo (projeto de tradução 100% concluído) utilizando o alinhador automático GIZA++ (Ney, Och 2003) incorporado no próprio PorTAl (ferramenta Alinhador de Palavras ). O usuário pode acessar

9 diretamente esta funcionalidade a partir da própria tela de tradução. O alinhamento pode ser configurado antes da sua execução, definindo a direção do alinhamento. No alinhamento de fonte para o alvo, uma palavra do texto fonte pode ser alinhada com uma ou mais palavras do texto alvo, e no alinhamento de alvo para fonte uma palavra do texto alvo é alinhada com uma ou mais palavras do texto fonte. No modo união o resultado do alinhamento é a união dos resultados dos alinhamentos fonte-alvo e alvo-fonte, o que prioriza a cobertura do alinhamento, e a intersecção é o conjunto de alinhamentos comuns entre os alinhamentos fonte-alvo e alvo-fonte, o que prioriza a precisão do alinhamento. Os pares de palavras alinhadas automaticamente por esta ferramenta podem ser incluídos em um glossário bilíngue, como mostra a Figura 5. Essa funcionalidade é um diferencial da ferramenta de MT do PorTAl em relação às outras pesquisadas. Fig. 5: Interface para população de glossário Log Além das funções para a tradução auxiliada pela ferramenta de MT, também foi implementada na ferramenta a funcionalidade que registra as ações do tradutor humano durante a tradução. Com isso, a ferramenta registra as principais edições realizadas sobre os segmentos em um arquivo de log no formato XML. É esperado que esta informação de edição contribua para as pesquisas na área de

10 tradução automática, em especial, para as pesquisas atualmente em desenvolvimento no LaLiC sobre a pós-edição automática de tradução realizada automaticamente. Estas informações registradas, por enquanto, ainda não são acessíveis ao usuário comum. Conclusão A ferramenta de MT apresentada neste artigo desempenha as funcionalidades principais esperadas para uma ferramenta deste tipo: segmentação do texto a ser traduzido, recuperação de segmentos similares armazenados na MT e armazenamento dos segmentos traduzidos na MT. Além disso, incorpora uma nova funcionalidade de geração de glossário a partir do alinhamento automático de palavras presentes nos textos original e traduzido. Esta ferramenta pode ser acessada e utilizada com os navegadores populares e modernos, facilitando seu uso já que não é necessária sua instalação. Além disso, como a ferramenta faz parte de um ambiente maior do projeto PorTAl, a mesma pode usufruir de ferramentas presentes neste ambiente como o alinhador de palavras citado anteriormente. Referências FRACASSI, Vagner. (2012). Memória de tradução - como esses programas podem afetar o seu trabalho. Disponível em: < Acesso em: junho NEY, H; OCH, F. J. (2003). A systematic comparison of various statistical alignment models, in: Computational Linguistics, vol. 29, nº 1, pp NOGUEIRA, Danilo. (2012). Memória de tradução ( CAT ). Disponível em: < Acesso em: junho UNIVERSITY OF LEEDS. (2012). School of Modern Languages and Cultures. E- CoLoRe Project. Ferramentas: memória de tradução. Disponível em: < pt>. Acesso em: junho 2012.