Introducción a la extracción terminológica bilingüe y bidireccional basada en bitextos para la documentación de intérpretes

16/10/2017 1 Introducción a la extracción terminológica bilingüe y bidireccional basada en bitextos para la documentación de intérpretes Miriam Seghiri Universidad de Málaga [email protected] Miriam Seghiri Seghiri Universidad 1.Introducción •Las fuentes de información de las que puede beber un intérprete son múltiples y variadas, pues van desde la consulta oral a un experto hasta la utilización de diccionarios y glosarios especializados. •Sin embargo, existe una preferencia contundente de los usuarios por uso el glosario/diccionario bilingüe (Seghiri et al, 2017), seguido muy de lejos por el monolingüe, frente a cualquier otro tipo de recurso, según un estudio realizado a alumnos de la Licenciatura y Grado de Traducción e Interpretación de la UMA. •Estos resultados son análogos a los de Atkins y Knowles, en la Universidad de Támpere (Finlandia) o el de Meyer y Roberts, en la Universidad de Ottawa. •Este recurso ideal es,adíadehoy,el denominado corpus virtual (cfr. Laviosa,1998;Bowker,2002;Bowkery Pearson, 2002; Zanettin et al. 2003). •Predilecciónporelusodelglosarioodiccionario por parte de intérpretes. •El recurso ideal para muchos investigadores es el corpus virtual pues permite ver los términos in vivo. Corpus + glosario= glosario basado en corpus •Por consiguiente, presentaremos una metodología protocolizada de extracción de glosarios basados en corpus virtuales bilingües paralelos para la documentación en interpretación. 2. Corpus en Interpretación ¿Qué es un corpus? •corpus,pl.corpus (esp.)/ corpus,pl. corpora (ing.), proviene de la palabra latina corpus,i.e.“cuerpo”. Acollection of texts assumed to be representative of a given language, dialect, or other subset of a language, to be used for linguistic analysis (Francis, 1982) A large collection of authentic text that have been gathered in electronic form accordingtoaspecific set of criteria (Bowker & Pearson, 2002) 16/10/2017 2 3. Metodología para la creación de corpus virtuales para la labor documental previa en interpretación 3.1.Criterios de diseño Supuesto: •Interpretación (inglés->español) en conferencia en la que el ponente va a lanzar al mercado nuevos televisores de la marca Sony. Diseño del corpus… •Tipo textual: manuales, especificaciones técnicas, etc… •Lengua/s: inglés (subcorpus 1) y español (subcorpus 2) •Original /traducción: inglés (original) y español (traducción) •Texto completo /parcial: completo 3.2. Protocolo de compilación El protocolo de compilación se compone de cuatro pasos: I. Búsqueda II. Descarga III. Formato IV. Almacenamiento •¿Cómo se convierte un documento PDF a TXT? http://www.ensode.net/pdf-crack.jsf IV. Almacenamiento 16/10/2017 3 •El resultado ha sido la compilación de un corpus bilingüe (inglés-español), paralelo yvirtual que se integrapor: •1 subcorpus en inglés (20 documentos) •1 subcorpus en español (20 documentos) ¿Son suficientes textos? There is no general agreement as to what the size of a corpus should ideally be. In practice, however, the size of a corpus tends to reflect the ease or difficulty of acquiring the material.Usually, the availability of material in the particular field of study determines the final size of the corpus (Giouli y Piperidis,2002). ReCor Representatividad del corpus en español (1-grama) 11 documentos 300 000 palabras REPRESENTACIONES GRÁFICAS •ReCor (y su algoritmo N-Cor) se encuentra patentado (ref. P200695657) a través de la Oficina Española de Patentes y Marcas del Ministerio de Industria, Turismo y Comercio. •Premio extraordinario de doctorado (2005-2011). •Premio de Tecnologías de la Traducción de España (2007). •Premio en Humanidades “María Zambrana” (2013) . •URL (OTRI, Málaga): http://umapatent.uma.es/es/patent/metodopara-la-determinacion-de-la-representa4b0/ (alinare[email protected]) 3.3. Gestión del corpus para la interpretación Gestión de corpus paralelo (TO+TM) Paraconc: http://www.athel.com/para.html Ilustración 9. Interfaz de ParaConc para cargar los subcorpus Ilustración 11. Subcorpus (inglés, a la izquierda y en español, a la derecha) subidos a ParaConc 16/10/2017 4 STOP WORD LIST EN: ranks.nl/stopwords ES: ranks.nl/stopwords/spanish Glosariodemanualesdetelevisoresinglés‐español. Opcional: Transcriptor fonético EN: photransedit.com ES: aucel.com 4. Conclusiones •Los corpus paralelos son particularmente últiles para cubrir las necesidades documentales del intérprete. •Un corpus representativo, bien gestionado, es una herramienta de gran utilidad para identificar, extraer ytraducir unidades terminológicas, en forma de glosario bilingüe, que ayuden al intérprete en el proceso de documentación previo a una interpretación y durante la propia interpretación. Introducción a la extracción terminológica bilingüe y bidireccional basada en bitextos para la documentación de intérpretes Miriam Seghiri Universidad de Málaga [email protected] Miriam Seghiri Seghiri Universidad