Computergest

1
Computergestützte Analyse multilingualer
KorporaElke Teich3. Februar 2003
2

• Wozu Korpora?
• empirische Grundlage bei linguistischen
  Fragestellungen
• Grundlage für computerlinguistische Modellierung
  Trainieren statistischer Verfahren, machine
  learning (z.B. Parser, Grammatiken)
• Was will man an multilingualen Korpora
  untersuchen? Beispiele
• Sprachunterschiede unter Berücksichtigung von
  Gebrauchsbedingungen (Sprachtypologie,
  Texttypologie)
• L2-Lehr/Lernmaterialien (kontrastive Linguistik)
• Maße für Übersetzungsqualität (Übersetzungswissens
  chaft)
• translation memories (Maschinelle Übersetzung)
• Wie geht man dabei vor?
• viele Daten (gt zig tausend Wörter)
  computergestützte Analyse

3
Übersetzungen

• Was ist daran interessant? Textsorte,
• an der wir Multilingualität (z.B.
  Sprachtypologie,
• kontrastive Linguistik) in action sehen
  können
• die wir im Alltag ständig antreffen
• Übersetzungen haben etwas Spezielles, das sie
  von
• Texten unterscheidet, die keine Übersetzungen
  sind.
• Wie kann man dieses Spezielle
  herausarbeiten?
• Beobachtungen formulieren,
• an multilingualem Korpus überprüfen,
• computerlinguistische Techniken einsetzen.

4
The secret strength of hydrogen Übersetzung Alta
Vista (Systran)
Aller chemischen Elemente ist Wasserstoff in der
Struktur und zuerst in der Verschiedenartigkei
t seines chemischen Verhaltens das
einfachste. Das Element selbst besteht als das
Molekül H2, das als das hellste aller Gase
weithin bekannt ist. Obgleich Industrie dieses
Gas auf einer großen Skala benutzt, wird sie
selten im täglichen Leben aus- genommen
angetroffen, um Ballone zu füllen. Gleichwohl in
25 Jahren Zeit festsetzen sie, kann dieses das
Gas sein, das in unsere Häuser zu den
Kraftstoffdampfkesseln und -kochern geleitet wird
einmal haben wir herauf Versorgungsmaterialien
des natürlichen Methangases verwendet, CH4.
Wasserstoff brennt, um Wasser zu bilden, und ist
folglich sauberer als die Gase, die Carbon
enthalten.
5
The secret strength of hydrogen Original
Scientific American
Of all the chemical elements, hydrogen is the
simplest in structure, and first in the
diversity of its chemical behaviour. The element
Itself exists as the molecule H2 which is well
known as the lightest of all gases. Although
industry uses this gas on a large scale it is
rarely encountered in everyday life except to
fill balloons. However in 25 years time this may
be the gas which is piped into our homes to fuel
boilers and cookers - once we have used up
supplies of natural methane gas, CH4. Hydrogen
burns to form water, and hence is cleaner than
gases containing carbon.
Handout
6
Die geheime Kraft des Wasserstoffs Übersetzung
Spektrum der Wissenschaft
Wasserstoff ist seinem Aufbau nach das
einfachste, aber seinem Verhalten nach das
vielseitigste von allen chemischen Elementen. Es
existiert als Molekül H2, das als das leichteste
aller Gase allgemein bekannt ist. Obwohl es
industriell in großem Umfang genutzt wird, kommt
es im täglichen Leben außer beim Füllen von
Ballons kaum vor. Doch könnte gerade dieses Gas
in einem Vierteljahrhundert, wenn die Vorräte an
natürlichem Methangas, CH4, aufgebraucht sind,
in den Gasgeräten unserer Haushalte Verwendung
finden. Wasserstoff verbrennt zu Wasser und ist
Somit weniger umweltbelastend als Gase, die
Kohlenstoff enthalten.
Handout
7
Art Spiegelman, Maus I Übersetzung Christine
Brinck, Josef Joffe
8
Übersetzungen ihre spezifischen Eigenschaften

• (Auch gute) Übersetzungen haben spezifische
  Eigenschaften, die sie von Texten in derselben
  Sprache wie der Zielsprache (ZS) unterscheiden
  (vgl. Baker 95, 96 Toury 95, Teich 01)
• Spezifischen Produktionsbedingungen von
  Übersetzungen induziert durch quellsprachlichen
  Text, zielsprachenorientiert Hypothesen
• Übersetzungen lassen die Quellsprache (QS)
  durchscheinen ? shining through
• Übersetzungen gehorchen der ZS-Norm mehr als
  vergleichbare ZS-Originaltexte ? normalization
• andere explicitation, simplification,
  levelling-out
• Was ist denn normal? Was kann übertrieben
  normal gemacht werden? Was kann durchscheinen?

9
Scientific American/Systran/ Spektrum der
Wissenschaft (Original Englisch)
Hydrogen burns to form water, and hence is
cleaner than gases containing carbon. Wasserstof
f brennt, um Wasser zu bilden, und ist folglich
sauberer als die Gase, die Carbon
enthalten. Wasserstoff verbrennt zu Wasser und
ist somit weniger umweltbelastend als Gase, die
Kohlenstoff enthalten.
(vgl. Doherty 93 Hawkins 84)
? Sprachtypologie (System)
10
CAD/CAM User Manual AutoCad (Original Englisch)
Englisch To draw a polyline. Deutsch
So zeichnen Sie eine Polylinie.
(Eine Polylinie zeichnen.) Russisch Chtoby
narisovatj poliliniju.
IN-ORDER-TO DRAW POLYLINE Bulgarisch
Chertane na polilinija. DRAWING OF
POLYLINE
to-Infinitiv
finiter Satz, deklarativ
um zu Infinitiv
Nominalisierung
(vgl. Copernicus Project AGILE)
? Texttypologie (Register)
11
Hypothesen ihre Herleitung

• Sprachenpaar Englisch-Deutsch, Register
  populärwissenschaftlicher Texte
• Sprachtypologie (System) Prä/Postmodifikation
  der NP (E Postmodifikation, D
  Prämodifikation), Themaoptionen (E grammatical
  word order, D pragmatic word
  order), Transitivität (D transitiv E ergativ)
• Texttypologie (registerspezifisch) Passiv,
  Nomina, komplexe Nominalgruppen, einfache
  Satzstruktur (relationale Prädikate)

12
Beispiele Sprachtypologie

• Transitivität
• (1) E A material known as ionophore, which
  binds to membranes...
• (2) D Eine Substanz, die als Ionophor
  wirkt. Sie setzt sich an der
• Membran fest.
• (3) E Thus in water the hydrogen atoms
  exchange billions of times per second.
• (4) D In Wasser etwa werden die
  Wasserstoffatome Milliardenmale pro Sekunde
  ausgetauscht.
• Prä/Postmodifikation
• (5) E The voltages that would be expected to
  be produced in the cytoplasm of Fucus embryos,
  only 0.1 mm in length, would unfortunately be too
  close to the limits of microelectrode sensitivity
  to be measurable.
• (6) D Die zu erwartenden Spannungen im
  Zellplasma würden bei
• den 0.1 mm lange Fucusembryonen leider schon
  unterhalb der für Mikroelektroden messbaren
  Grenze liegen.

13
Beispiele Texttypologie

• Einfache Satzstruktur, komplexe Nominalgruppen
• (1) E So in Fucus, one of the events that
  translates asymmetry in the environment into
  asymmetry in the embryo is a polarised pumping of
  electric current, in the form of Ca ions.
• (2) D Beim Fucus ist damit einer der
  Prozesse, der eine Asymmetrie aus der Umgebung in
  eine Asymmetrie des Embryos umsetzt, ein
  polarisierter elektrischer Strom von Ca-Ionen.
• Nicht agentivische Darstellung (z.B. Passiv)
• (3) E The behavior of acids is generally
  observed in water.
• (4) D Gewöhnlich untersucht man das
  Verhalten von Säuren in Wasser.
• (5) D Somit lassen sich auch bei diesen
  Spielen verschiedene Strategien in einer
  Auszahlungsmatrix gegenüberstellen und bewerten.
• (6) D Dabei ist eine sehr bemerkenswerte
  Verlagerung zu verzeichnen.
• (7) D In Lehrbüchern wird dieser Prozess
  oft durch die Gleichung HCl H Cl- dargestellt.
• (8) E Text books often write this process
  as HCl H Cl-.
• (9) E Thus in water the hydrogen atoms
  exchange billions of times per second.
  

14
Beispiel Passiv/Passivalternativen

• G-ORI E-ORI Subkorpus

• Passiv typischer
• für E als für D

• Passivalternativen
• typischer für D als für E

15
Hypothesen ihre Herleitung Passiv/Passivalterna
tiven

• Hypothesenformulierung E-ORIG-TL
• In Übersetzungen vom Englischen ins Deutsche
  liegt shining-through im Passivbereich vor, wenn
  in G-TL signifikant mehr Passive auftreten
  als in vergleichbaren deutschen Texten (G-ORI)
• In Übersetzungen vom Englischen ins Deutsche
  liegt normalization im Passivbereich vor, wenn in
  G-TL signifikant mehr Passivalternativen
  auftreten als in vergleichbaren deutschen Texten
  (G-ORI)

16
Hypothesen ihre Herleitung Passiv/Passivalterna
tiven

• Hypothesenformulierung G-ORIE-TL
• In Übersetzungen vom Deutschen ins Englische
  liegt shining-through im Passivbereich vor, wenn
  in E-TL signifikant mehr Passivalternativen
  auftreten als in vergleichbaren englischen Texten
  (E-ORI)
• In Übersetzungen vom Deutschen ins Englische
  liegt normalization im Passivbereich vor, wenn in
  E-TL signifikant mehr Passive auftreten als in
  vergleichbaren englischen Texten (E-ORI)

17
Korpus
English original texts
German translations
English translations
German original texts
(Register populärwissenschaftliche Prosa ca. 10
000 Wörter pro Subkorpus)
18
Analysetechniken Methoden

• Korpusanreicherung PoS (Part-of-Speech) tagging
• Korpusquery reguläre Ausdrücke
• Resultate und Interpretation
• Paare von Merkmalen, Chi-Quadrat
• Bewertung im Sinne von shining through,
  normalization

19
Techniken Korpusanreicherung

• PoS-tagging TnT (Brants 2000) Englisch
  (Susanne Sampson 95), Deutsch (STTS Hinrichs et
  al. 95)
• TnT output

CS RR AT1 JJ YC RR JJ YC NN1 VBZ VVN YC PN1 VM VB
0 VVN YF
If however a rapid , preferably instant , ef
fect is desired , strophanthin will be needed .
20
Techniken Korpusquery

• Extraktion von Instanzen der ausgewählten
  lexiko-grammatischen Merkmale CQP/ XKWIC (Christ
  94)
• Query-Syntax reguläre Ausdrücke

21
Resultate Interpretation
E-ORI
G-ORI
G-TL
278
389
357
active
165
79
100
passive
G-ORI G-TL ?2 3.6 Signifikanz 0.10 (1 df
gt 2.71)

• ? schwaches shining-through (Passiv) in G-TL

E-ORI
G-ORI
G-TL
64
146
163
passive alternatives
165
79
100
passive
G-ORI G-TL ?2 0.0 nicht signifikant
? kein normalization-Effekt (Passivalternativen)
in G-TL
22
Resultate Interpretation
G-ORI
E-ORI
E-TL
389
278
218
active
79
165
186
passive
E-ORI E-TL ?2 7.9 Signifikanz 0.01 (1 df
gt 6.64)

• ? normalization (Passiv) in E-TL

G-ORI
E-ORI
E-TL
146
64
62
passive alternatives
79
165
186
passive
E-ORI E-TL ?2 0.1 nicht signifikant
? kein shining-through-Effekt (Passivalternativen)
in E-TL
23
Resultate Interpretation
E-TL G-TL
1) passive vs. active normalization shining through
2) passive vs. passive alternatives --- ---
3) material vs. relational (other factor) (other factor)
4) attributive vs. predicative normalization normalization
5) premod vs. postmod shining through shining through
6) full relative vs. dense postmod --- normalization
7) full relative vs. dense mod --- (other factor)
8) effective vs. middle --- (other factor)
9) unmarked vs. marked theme normalization shining through

• Effekte komplementär (1, 9), bidirektional (4,
  5), unidirektional (6)
• mehr Effekte in G-TL mehr shining through in
  G-TL, mehr
• normalization in E-TL
• Effekte, die nicht auf normalization/shining
  through zurückzuführen
• sind (3, 7, 8)

24
Resultate Interpretation

• E-TL normalisiert mehr, G-TL lässt mehr
  durchscheinen
• (1) E-ORI Thus, in water the hydrogen atoms
  exchange billions of times per second.
• G-TL In Wasser etwa werden die
  Wasserstoffatome Milliardenmale pro Sekunde
  ausgetauscht.
• (2) E-ORI ... this choice minimizes the risk of
  errors during translation
• G-TL ...und damit die Gefahr von
  Übermittlungsfehlern verringert wird.
• (3) G-ORI Für den praktischen Gebrauch benötigt
  man große Zahlen.
• E-TL ...for practical application large
  numbers are needed.
• (4) G-ORI Die Übermittlung einer Nachricht mit
  öffentlichen und geheimen Schlüsseln lässt sich
  auch in der Kryptologie verwircklichen.
• E-TL Transmission of a signal with public
  and secret keys can be realized also in
  cryptology.
• ? habituelle Übersetzung
• TL kann Durchscheinen aus typologischen Gründen
  verkraften (TL-System macht spezifischere
  Unterscheidungen)
• TL muss aus typologischen Gründen kompensieren
  (geringere Spezifik des TL-Systems)
  Normalisierung

25
Zusammenfassung und Ausblick

• Übersetzungen zwischen den Stühlen lassen QS
  durchscheinen, versuchen gleichzeitig ganz
  normal für die ZS zu sein
• Anwendungen Übersetzerische Intuitionen
  beschreiben ? differenzierte Maße für
  Übersetzungsqualität, Einfluß von Übersetzungen
  im Sprachwandel
• Theorie, z.B. Was ist normal? Registertheorie
  (Systemic Functional Linguistics Halliday 85)
  wichtig für Hypothesen Interpretation!
• Methoden/Techniken Sprachtypologie,
  Texttypologie, Computerlinguistik,
  Korpuslinguistik

26
Zusammenfassung und Ausblick

• Methodologie zum Korpusvergleich Beispiele
• Abgrenzung verschiedener Register/Fachsprachen
• Entwicklung von Maßen für Textqualität in
  Abhängigkeit von Register/Genre
• multi-layer annotierte Korpora längerfristiges
  Potenzial für Forschung und Lehre
• Linguistik Theorie und Deskription auf Grundlage
  großer Datenmengen
• Informatik Linguistische Datenbanken
  Repräsentation und Abfrage
• Computerlinguistik Training statistischer
  Verfahren auf Basis von annotierten
  Referenzkorpora (tree banks)
• Interdisziplinär Anwendungen an der
  Schnittstelle Linguistik/Computerlinguistik/Inform
  atik (content syndication, z.B.
  Informationsextraktion)

27
Grammatik
Text
Übersetzungen, ML Texte
Methoden multi-layer annotierte Korpora,
computerlinguistische Techniken
28
Thank you for your attention!
29
Literatur
(Baker 95) M. Baker, Corpora in translation
studies An overview and some suggestions for
future research, Target 7(2)223-245. (Baker 96)
M. Baker, Corpus-based translation studies the
challenges that lie ahead. In H. Somers (ed.),
Terminology, LSP and Translation Studies in
Language Engineering in Honour of Juan C. Sager,
Benjamins, Amsterdam, pp. 175-186. (Brants 00)
T. Brants, TnT A statistical part-of-speech
tagger, Proceedings of the 6th Applied Natural
Language Processing Conference (ANLP) 2000,
Seattle, WA. (Christ 94) O. Christ, The IMS
Corpus Workbench Technical Manual, Technical
report, Institut für maschinelle
Sprachverarbeitung, Universität
Stuttgart. (Doherty 93) M. Doherty,
Parametrisierte Perspektive, Zeitschrift für
Sprach- wissenschaft 12(1)3-38. (Halliday 85)
MAK Halliday, An Introduction to Functional
Grammar. Edward Arnold, London. (Hawkins 84)
J.A. Hawkins, A comparative typology of English
and German. Croom Helm, London and Sydney.
Handout
30
Literatur
(Hinrichs et al 95) E. Hinrichs, Feldweg, H.,
Boyle-Hinrichs, M. and Hauser, R.
Abschlußbericht ELWIS. Korpusunterstützte
Entwicklung lexikalischer Wissens- basen für die
Computerlinguistik, Technical report,
Universität Tübingen. (Sampson 95) G. Sampson,
English for the Computer. Oxford University
Press, Oxford. (Teich 01) E. Teich, Contrast
and commonality between English and German in
system and text. A methodology for the
investigation of cross-linguistic variation in
translations and multilingually comparable texts.
Habilitationsschrift, Universität des
Saarlandes, Saarbrücken. (Toury 95) G. Toury,
Descriptive translation studies and beyond.
Benjamins, Amsterdam.
Handout
31
German original texts
A n z a h l T o k e n s
English translations
T y p e T o k e n R a t i o
Handout
32
Korpusvergleich
G-ORI E-TL E-ORI
sentence length 11.55 12.54 15.36
number of sentences 544 588 366
text length 10442 11051 10460
type-token ratio 49.24 38.66 39.61
? ? ? ?
max min
E-ORI G-TL G-ORI
sentence length 15.36 13.26 11.55
number of sentences 366 411 544
text length 10460 9927 10442
type-token ratio 39.61 47.24 49.24
? ? ? ?

• E-TL länger, geringere Vokabularvariation
• G-TL dazwischen

Handout
33
Resultate Interpretation

• Andere Effekte explicitation, z.B. bei dense
  modification vs. full relative clauses
• E-ORI At the heart of Rivests asymmetric
  cypher is a one-way function based on the sort of
  modular functions described earlier...
• G-TL Kern der asymmetrischen
  Verschlüsselung von Rivest ist eine
  Einwegfunktion, die auf oben beschriebenen
  Modulfunktionen beruht.
• G-TL Kern der asymmetrischen
  Verschlüsselung von Rivest ist eine auf den oben
  beschriebenen Modulfunktionen beruhende
  Einwegfunktion.
• Effekte, die nur in Übersetzungen auftreten
  (nicht in G-ORI E-ORI)
• E-ORI Thus, the history of bioelectricity
  produced a discontinuity in scientific history.
• G-TL So kam es, dass die Wissenschaftsgeschi
  chte der Bioelektrizität diskontinuierlich
  verlaufen ist.
• G-TL So produzierte die Geschichte der
  Bioelektrizität eine Diskontinuität in der
  Wissenschaftsgeschichte. (ungewollte
  Personifizierung!)
• bidirektionale Effekte Kandidaten für
  universelle Merkmale? Übersetzungsprozessbedingte
  Erklärungen?