Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/2717
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.authorПавлова, Е.К.ru
dc.contributor.authorPavlova, E.en
dc.date.accessioned2024-02-05T09:58:25Z-
dc.date.available2024-02-05T09:58:25Z-
dc.date.issued2019
dc.identifier.citationПавлова Е.К. Состояние и перспективы машинного перевода политических текстов: сможет ли машина заменить человека-переводчика? // МАГИЯ ИННО: интегративные тенденции в лингвистике и лингводидактике. Cборник научных трудов. В 2 томах. Том 2. - 2019. - с. 360-365.ru
dc.identifier.citationElena Pavlova. Current State and Prospects of Machine Translation of Political Texts: Can the Machine Replace a Human Translator? // MAGIA INNO: integrative tendencies in linguistics and linguodidactics. Collection of scientific papers in 2 volumes. Volume 2. - 2019. - pp. 360-365.en
dc.identifier.urihttps://open.mgimo.ru/handle/123456789/2717-
dc.description.abstractСтатья посвящена анализу качества англо-русских переводов, выполненных с помощью переводческих машин, доступных в сети Интернет. Сравнительный синхронный анализ переводов, выполненных на разных машинах, и диахроническое изучение текстов, произведенных на одной машине, показали резкое повышение качества перевода после внедрения нейронных сетей. Большинство ошибок, характерных для машинного перевода, были устранены благодаря нейронному искусственному интеллекту, внедренному в онлайн-переводчиках Google и Яндекс. Но передача коннотаций и эмоциональных оценок в машинном переводе пока не идеальна. Корпус текстов для машинного обучения должен формироваться специалистами в сфере международного политического дискурса, которые могут составить адекватные учебные материалы и оценить результаты обучения.ru
dc.description.abstractThe article is devoted to the quality of English-Russian translations made by translation machines available in the Internet. Comparative synchronous analysis of translations performed by different machines, and diachronic study of texts produced by the same machine, showed a dramatic improvement in the quality of translation after the introduction of neural networks. Most of the errors typical for machine translation were eliminated thanks to neural artificial intelligence, embedded in the online translators of Google and Yandex. But the transfer of connotations and emotional evaluations in machine translation is not yet perfect. The corpus of machine learning texts should be formed by experts in the field of international political discourse who can compile adequate training materials and evaluate the learning outcomes.en
dc.language.isoru-
dc.subjectполитический дискурсru
dc.subjectэмоциональная оценкаru
dc.subjectмашинный переводru
dc.subjectискусственный интеллектru
dc.subjectнейронная сетьru
dc.subjectpolitical discourseen
dc.subjectemotional evaluationen
dc.subjectmachine translationen
dc.subjectartificial intelligenceen
dc.subjectneural networken
dc.titleСостояние и перспективы машинного перевода политических текстов: сможет ли машина заменить человека-переводчика?ru
dc.titleCurrent State and Prospects of Machine Translation of Political Texts: Can the Machine Replace a Human Translator?en
Располагается в коллекциях:МАГИЯ ИННО: интегративные тенденции в лингвистике и лингводидактике. Том 2

Файлы этого ресурса:
Файл Описание РазмерФормат 
magiainno_2019_v2_61.pdf142,54 kBAdobe PDFЭскиз
Просмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.