Татоеба - Tatoeba

Татоеба
Главная страница проекта Tatoeba.png
Тип сайта
Открытый совместный многоязычный «словарь предложений»
Доступно в25 языков интерфейса; контент на 301 языке (май 2016 г.)
ВладелецТранг Хо, Аллан Саймон
СделаноТранг Хо, Аллан Саймон
URLтатоеба.org
КоммерческийНет
Постановка на учетНеобязательный
Запущен2006
Текущее состояниеВ сети; бета
Лицензия на контент
Лицензия Creative Commons Attribution 2.0

Татоеба это бесплатный совместный онлайн база данных примеров предложений, ориентированных на изучающие иностранный язык. Его название происходит от японского термина «татоеба» (例 え ば), что означает «например». в отличие от других онлайн-словари, которые сосредоточены на словах, Татоеба фокусируется на переводе полные предложения. Кроме того, структура базы данных и интерфейс подчеркивают отношения один-ко-многим. Мало того, что у предложения может быть несколько переводов на одном языке, но и его переводы на все языки легко видны, как и косвенные переводы, которые включают в себя цепочку пошаговых связей с одного языка на другой.

Цель проекта

Целью проекта Tatoeba является создание базы данных предложений и переводов, которую может использовать любой, кто изучает язык. применение. Идея состоит в том, что проект создает данные, поэтому программисты можно просто сосредоточиться на кодирование приложение.

Данные, собранные проектом, находятся в свободном доступе под Лицензия Creative Commons Attribution (CC-BY) лицензия.

Содержание

По состоянию на июнь 2019 года в Tatoeba Corpus более 7500000 предложений на 337 языках. 10 ведущих языков составляют 73% корпуса. Девяносто восемь из этих языков содержат более 1000 предложений. В каждом из 14 ведущих языков более 100 000 предложений.

Татоеба также является нынешним домом для Корпуса Танака, общедоступной серии из около 150 000 пар англо-японских предложений, составленных профессором Университета Хёго Ясухито Танакой, впервые выпущенной в 2001 году, и где она проходит последние изменения.[1][2]

Статистику для всех языков можно найти на [1].

История

Tatoeba была основана Транг Хо в 2006 году. Изначально она вела проект на Sourceforge под названием «Multiangdict».[3]

Интерфейс

Пользователи, даже если они не зарегистрированы, могут искать слова на любом языке, чтобы находить предложения, в которых они используются. Каждое предложение в базе данных Tatoeba отображается рядом с его вероятным переводом на другие языки; прямые и косвенные переводы различаются. Приговоры отмечен для контента, например, темы, диалект, или пошлость; у каждого из них также есть отдельные цепочки комментариев, чтобы облегчить обратную связь и исправления от других пользователей и культурных замечаний. По состоянию на начало 2016 года более 200 000 предложений на 19 языках имели звуковое чтение разного качества. Предложения также можно просматривать по языку, тегу или аудио.

Зарегистрированные пользователи могут добавлять новые предложения или переводить или корректировать существующие, даже если их целевой язык не является их родным. Однако предпочтительно, чтобы пользователи переводили на свой родной или «самый сильный» язык и добавляли предложения со своего родного языка, а не переводили на свой целевой язык или добавляли с него.[4]

Это означает, что корпус текста далеко не свободен от ошибок, каждый пользователь может переводить предложения, даже если они не имеют представления об этом конкретном языке - из-за количества предложений невозможно проверить какое-либо предложение, правильно оно или нет. . Более того, по состоянию на конец 2019 года не переведены даже условия использования сайта.

Переводы автоматически связываются с исходным предложением. Пользователи могут свободно редактировать свои предложения, «перенимать» и исправлять предложения без владельца, а также комментировать предложения других. Продвинутые участники, имеющие рейтинг выше обычных участников, могут помечать, связывать и отключать предложения. Сопровождающие корпуса, находящиеся в ранге выше продвинутых участников, могут снимать отметки и удалять предложения. Они также могут изменять собственные предложения, хотя обычно они делают это только в том случае, если владелец не отвечает на запрос о внесении изменения.

Структура базы данных

Упрощенный диаграмма базовой структуры данных Tatoeba.

Татоеба базовый структура данных это серия узлы и ссылки. Каждое предложение - это узел; каждая ссылка соединяет два предложения с одинаковым значением.[5]

Лицензия

Вся база данных Tatoeba публикуется под Лицензия Creative Commons Attribution 2.0 лицензия,[6] освобождая его для академического и другого использования.

Гранты

Татоеба получил грант от Mozilla Drumbeat в декабре 2010 г.[7][8]

Некоторые работы над инфраструктурой Tatoeba спонсировались Google Summer of Code, Выпуск 2014 г.[9]

В мае 2018 года они получили грант программы Mozilla Open Source Support (MOSS) на сумму 25000 долларов.[10]

В августе 2019 года они получили грант программы Mozilla Open Source Support (MOSS) на сумму 15000 долларов.[11]

использование

Корпуса параллельных текстов, такие как Tatoeba, используются для различных обработка естественного языка такие задачи как машинный перевод. Данные Tatoeba использовались в качестве данных для деревья Японский[12] и статистический машинный перевод,[13] так же хорошо как WWWJDIC Японско-английский словарь и Двуязычные пары предложений и Практика чтения и перевода на японском на www.ManyThings.org.

Офлайн-версия

Избранный контент от Tatoeba - 83932 фразы в эсперанто вместе со всеми их переводами на другие языки - появился в третьем издании многоязычного DVD. Esperanto Elektronike («Электронный эсперанто») издано 6000 экземпляров E @ I в июле 2011 г.

Данные, разделенные табуляцией, готовые для импорта в Anki и аналогичное программное обеспечение, можно загрузить непосредственно с веб-сайта Tatoeba.

Смотрите также

Рекомендации

  1. ^ "Танака Корпус". EDRDG Wiki. Электронный словарь Группа исследований и разработок. 3 февраля 2011 г.. Получено 20 марта 2011.
  2. ^ Брин, Джим (2 марта 2011 г.). "WWWJDIC - Информация". WWWJDIC. Университет Монаша. Получено 20 марта 2011.
  3. ^ «Проект словаря Транга». sourceforge.net.
  4. ^ http://en.wiki.tatoeba.org/articles/show/quick-start
  5. ^ Хо, Транг (23 февраля 2010 г.). «Как быть хорошим сотрудником в Tatoeba». Блог проекта Tatoeba. Получено 20 марта 2011.
  6. ^ "Условия эксплуатации". Tatoeba.org. Получено 20 марта 2011.
  7. ^ Хо, Транг (17 января 2011 г.). «Грант от Mozilla Drumbeat». Блог проекта Tatoeba. Получено 20 марта 2011.
  8. ^ Мольтке, Хенрик (30 декабря 2010 г.). «Лучшие проекты Drumbeat: Tatoeba - бесплатная и открытая база данных предложений». Yoyodyne.cc. Архивировано из оригинал 2 января 2011 г.. Получено 20 марта 2011. ... Mozilla Foundation хочет поддержать и помочь проекту Tatoeba, выделив ему грант Mozilla Drumbeat в размере 2,5 тысяч долларов.
  9. ^ https://www.google-melange.com/gsoc/org2/google/gsoc2014/tatoeba
  10. ^ https://blog.tatoeba.org/2018/05/moss-award-for-tatoeba.html
  11. ^ https://blog.tatoeba.org/2019/08/a-second-moss-award.html
  12. ^ Фрэнсис Бонд, 栗林 孝行 [Такаюки Курибаяси], 橋本 力 [Хашимото Чикара] (2008) HPSG に 基 づ く フ リ ー な 日本語 ツ バ ン ク の 構築 [бесплатный японский банк деревьев, основанный на HPSG]. На 14-м ежегодном собрании Ассоциации обработки естественного языка, Токио.
  13. ^ Эрик Николс, Фрэнсис Бонд, Даррен Скотт Эпплинг и Юджи Мацумото (2010) Перефразирование обучающих данных для статистического машинного перевода. Журнал обработки естественного языка, 17 (3), страницы 101–122.

внешняя ссылка