Wortzuordnung

Um für die im folgenden behandelte Wortzuordnung eher freie Übersetzungen auszuschließen, ist es zweckmäßig, nur diejenigen Satzzuordnungen zu betrachten, bei denen die Satzlängen um nicht mehr als 25% differieren und bei denen ein Satz des Ausgangstextes genau einem Satz der Übersetzung entspricht. Diese können aus den bei der Satzzuordnung erhaltenen 1:0, 1:1 und 1:2 Zuordnungen ausgefiltert werden. Da in normalem Textmaterial die meisten Zuordnungen vom 1:1-Typ sind (nach Brown et al., 1991, etwa 90%), geht hierdurch nur wenig Textmaterial verloren.

Ausgehend von diesen 1:1-Zuordnungen kann eine sehr einfache Methode angegeben werden, die Übersetzung einer Wortform zu ermitteln: Es werden zunächst alle Sätze gesucht, in denen diese Wortform auftritt und die Häufigkeiten der in den korrespondierenden Sätzen auftretenden Wortformen bestimmt. Zu erwarten ist, daß gebräuchliche Übersetzungen hohe Häufigkeiten aufweisen.

Wird diese Vorgehensweise unter Verwendung der Psyndex-Abstracts auf das Wort ``schnell'' angewandt, ergibt sich die in Tabelle  dargestellte Liste potentieller Übersetzungen. Das Beispiel zeigt, daß auf diese Art offenbar häufige Funktionswörter, die in fast allen Sätzen vorkommen, die korrekten Übersetzungen von den vordersten Rangplätzen verdrängen. Dieser Effekt kann unterdrückt werden, wenn angenommen wird, daß die Häufigkeit eines Wortes im deutschen Teilkorpus möglichst gleich groß sein sollte wie die Häufigkeit der verwendeten Übersetzung im englischen Teilkorpus. Diese Annahme ist zumindest für Wörter mit eineindeutiger Übersetzung (z. B. Milch - milk) plausibel.

 

Wort Rang Häuf. Übersetzung Korpushäuf.

schnell 1 64 the 83035

2 36 and 43579

3 35 to 22413

4 33 of 66423

5 30 as 8953

6 30 in 31041

7 27 a 22934

8 18 be 5896

9 16 quickly 49

10 14 that 9816

11 11 is 13305

12 11 which 4431

13 10 an 5502

14 9 at 2109

15 9 had 1416

16 9 rapidly 28

17 9 were 6992

18 9 with 11439

19 8 fast 31

20 8 for 12027

 

Im folgenden eine präzisere mathematische Formulierung dieser Annahme:

 

Die einem Übersetzungswort j zugeordnete Aktivität hängt damit nicht mehr nur von seiner Auftretenshäufigkeit in den relevanten Sätzen ab, sondern auch vom Verhältnis seiner Korpushäufigkeit zu der Korpushäufigkeit des Stimuluswortes. Je größer der Unterschied in den Häufigkeiten, umso mehr wird die Aktivität reduziert.

 

Wort Rang Übersetzung Korpushäuf.

schnell 1 15,35 quickly 49

2 5,36 rapidly 28

3 5,28 fast 31

4 2,89 decide 34

5 2,10 equally 67

6 1,96 frustration 46

7 1,74 speed 135

8 1,68 threshold 56

9 1,62 appeared 87

10 1,62 circle 38

 

Bei Verwendung von Formel  ergibt sich für das Wort schnell die in Tabelle  gezeigte Aktivitätsrangfolge. Hier finden sich nun auf den vordersten drei Rangplätzen korrekte Übersetzungen. Ähnlich gute Ergebnisse ließen sich vermutlich auch dadurch erzielen, daß berechnet würde, welche Wörter in den zum Auftreten des Originalwortes korrespondierenden Sätzen signifikant häufiger vorkommen als in den übrigen Sätzen. Diese Vorgehensweise wurde jedoch realisiert. Ein anderer Ansatzpunkt ist die Überlegung, daß die Wortpositionen prägnanter Übersetzungen im englischen Text analog verteilt sein sollten wie die Wortpositionen der korrespondierenden Wörter im deutschen Text. Dies ist eine Annahme, wie sie in Abschnitt  zur Berechnung von Wortassoziationen auch für Stimulus- und Responsewörter gemacht wurde. Die Vorgehensweise bei der Umsetzung in einen Algorithmus wäre demnach entsprechend.

Die bisher geschilderten Verfahren zur Wortzuordnung sind zwar sehr einfach und die Ergebnisse recht verblüffend. Sie weisen aber zwei wesentliche Nachteile auf. Zum einen wird bei der Berechnung der Übersetzungen eines Wortes keinerlei Gebrauch gemacht von etwa schon vorhandenem Wissen über andere Wörter. Ist etwa bekannt, daß es mit it und ist mit is übersetzt wird, so könnte allein auf der Basis des Satzpaares ``es ist grün'' / ``it is green'' die Übersetzung von grün gefunden werden. Solche Vorinformationen werden aber weder gespeichert noch genutzt.

Zum anderen sind bei der Erstellung eines Wörterbuches die Suchvorgänge zum Finden der jeweils relevanten Sätze zeitaufwendig, da sie einen wahlfreien Zugriff auf die Sätze erfordern, der nur mit einem Index oder über eine Sortierung einigermaßen effizient realisiert werden kann. Vom technischen Standpunkt aus wäre es aber wünschenswert, wenn für den Wortzuordnungsalgorithmus ein sequentielles Einlesen der Sätze genügen würde. Beide Probleme löst der im folgenden skizzierte Algorithmus:

1. Datenstruktur: Jedem Wort des Vokabulares der Ausgangssprache wird eine zunächst leere Liste zugeordnet, die etwa 50 Einträge für potentielle Übersetzungen und diesen zugeordnete Aktivitäten erlaubt.
2. Ein Satz des deutschen Textes und die zugehörige englische Übersetzung werden eingelesen.
3. Für jedes Wort im englischen Satz wird eine Aktivität von 1 auf die im deutschen Satz enthaltenen Wörter verteilt, und zwar in der Weise, daß der auf ein deutsches Wort entfallende Aktivitätsanteil proportional zu der zwischen diesen beiden Wörtern bereits vorhandenen Aktivität ist. Dieser Aktivitätsanteil wird zur bereits vorhandenen Aktivität addiert. Sonderfälle:
   • Weist keines der Wörter des deutschen Satzes eine Aktivität zu dem gerade betrachteten englischen Wort auf, so wird die Aktivität gleichmäßig auf alle deutschen Wörter verteilt. Dies geschieht in der Weise, daß in die zum jeweiligen deutschen Wort gehörende Liste das englische Wort sowie der zugehörige Aktivitätsanteil eingetragen wird.
   • Hat sich eine der Listen ganz gefüllt, so wird dadurch Raum geschaffen, daß ihre 20 aktivitätsärmsten Einträge gelöscht werden.
4. Falls das Textende noch nicht erreicht ist, zurück zu Punkt 2.

Tabelle  zeigt anhand eines kleinen Beispieles, wie der Algorithmus arbeitet. Nach dem Einlesen aller Sätze weisen die korrekten Übersetzungen die höchsten Aktivitäten auf.

 

Wort Rang Übersetzung Korpushäuf.

schnell 1 14,62 quickly 49

2 8,01 rapidly 28

3 4,09 fast 31

4 1,16 at 2109

5 1,07 total 450

6 1,03 phase 379

7 0,81 item 221

8 0,61 speed 135

9 0,56 success 418

10 0,11 rotating 10

 

 1. Die deutsch/englischen Satzpaare.

Ausgangstext Übersetzung

1 Hans arbeitet Jack works

2 Hans schläft Jack sleeps

3 sie arbeitet she works

2. Übersetzungslisten vor dem Einlesen eines Satzpaares.

Hans arbeitet schläft sie

3. Übersetzungslisten nach dem Einlesen von Satzpaar 1.

Hans arbeitet schläft sie

Jack 0,5 Jack 0,5

works 0,5 works 0,5

4. Übersetzungslisten nach dem Einlesen von Satzpaar 2.

Hans arbeitet schläft sie

Jack 1,5 Jack 0,5 sleeps 0,5

works 0,5 works 0,5

sleeps 0,5

5. Übersetzungslisten nach dem Einlesen von Satzpaar 3.

Hans arbeitet schläft sie

Jack 1,5 Jack 0,5 sleeps 0,5 she 0,5

works 0,5 works 1,5

sleeps 0,5 she 0,5

 

 

Wort Rang Akt. Übersetzung

Mann 1 20.95 man

2 8.43 male

3 7.06 men

4 2.98 husband

Stadt 1 22.44 city

2 6.00 town

3 3.79 urban

4 1.44 living

Aufsatz 1 7.27 paper

2 7.03 essay

3 1.83 article

4 1.10 replies

schlecht 1 1.08 poorly

2 1.07 badly

3 1.06 poor

4 1.04 attributions

nahezu 1 26.69 almost

2 12.03 nearly

3 1.13 treated

4 1.09 by

belief 1 7.76 Glauben

2 3.20 Glaube

3 3.08 Glaubens

4 2.06 Auffassung

strong 1 50.04 starke

2 21.03 starken

3 15.94 stark

4 4.02 starker

result 1 102.31 Ergebnis

2 17.53 ergeben

3 13.70 Folge

4 12.12 Resultat

profession 1 18.91 Beruf

2 2.58 Berufstätigkeit

3 2.07 Profession

4 1.05 Berufes

full 1 7.04 voll

2 7.03 volle

3 2.03 vollem

4 1.96 Vollbeschäftigung

 

Der Algorithmus verstärkt also bereits bestehende Verbindungen zwischen Wörtern, hat also die erwünschte Eigenschaft, Wortzuordnungen möglichst oft in derselben Weise vorzunehmen. Durch die Begrenzung der Listenlänge wird verhindert, daß häufigen Funktionswörtern sehr viele Bedeutungen zugewiesen werden. Die Laufzeit ist proportional zur bearbeiteten Textlänge. Zur Ermittlung der Übersetzungen für die 55 289 häufigsten im Psyndex-Abstract-Korpus enthaltenen deutschen Wortformen war auf einer Sun SPARC Station 1 ein Zeitbedarf von etwa sechs Stunden erforderlich. Insbesondere bei kürzeren Texten kann es sinnvoll sein, das Programm mehrfach über den Text laufen zu lassen. Dadurch verlieren die Aktivitätsverteilungen der Anfangsphase, in der die vorgenommenen Zuordnungen noch eher zufällig sind, an Gewicht.

Die für das Wort schnell nach einem Durchgang berechneten Übersetzungen sind in Tabelle  aufgeführt. Gegenüber Tabelle  hat sich der Aktivitätsunterschied zwischen den richtigen und den falschen Übersetzungen verdoppelt. Dieses Ergebnis ist typisch. Eine stichprobenartige Auswertung ergab, daß für Wörter, die im Textkorpus ausreichend repräsentiert sind (Korpushäufigkeit > 50), in über 99% der generierten Übersetzungstabellen an erster Stelle eine korrekte Übersetzung steht. Tabelle  zeigt einige weitere Beispiele.

Bei der Weiterentwicklung des Verfahrens wird es darum gehen, die korrekten von den inkorrekten Übersetzungen noch deutlicher zu trennen, so daß mit Hilfe eines Schwellwertes eine automatische Trennung möglich wird. Von Interesse wäre es auch, die Algorithmen in der Weise zu erweitern, daß anstelle von einzelnen Wörtern Wortpaare oder Wortgruppen betrachtet werden. Damit deuten sich Lösungsmöglichkeiten für Disambiguierungsprobleme  in der Art ``Ball-spielen'' versus ``Ball-tanzen'' an, die bei der maschinellen Übersetzung eine große Rolle spielen.