АҒЫЛШЫН-ҚАЗАҚ ТІЛІ ЖҰБЫ ҮШІН НЕЙРОНДЫҚ МАШИНАЛЫҚ АУДАРМА

Қазіргі уақытта ақпараттық технологиялар қарқынды дамуда. Оның бір саласы ретінде машиналық аудармаларды айтуға болады. Әртүрлі елдегі адамдар бір-бірін түсіну үшін машиналық аудармаларды қолданып, оның қажеттілігі жыл сайын артып келеді. Қазіргі кезде жақсы аударылатын машиналық аудармалар қатарына Google және Yandex машиналық аудармаларын жатқызуға болады. Жыл сайын Yandex және Google машиналық аудармалары аударма сапасын жоғары деңгейге көтеруде. Алайда жүргізілген эксперимент нәтижесі бойынша ағылшын немесе орыс тілінен қазақ тіліне, сондай-ақ түркі тілдес тілдерге аударғанда, аударма сапасы өзге тілдермен салыстырғанда төмендеу. Оған дәлел ретінде 2024 жылдың қыркүйек айында осы екі машиналық аудармадан алынған аударма нәтижесі жұмыста көрсетілді. Өйткені нейрондық машиналық аударманы жүзеге асыратын модель тілдердің құрылымына тікелей байланысты. Осыған орай, 2000-жылдардан бастап Қазақстан ғалымдары қазақ тіліне аударылған мәтіндердің сапасын жақсарту мақсатында өзге тілдерді жақсы аударатын модельдерді салыстырып, қызу зерттеп, қазақ тіліне арнайы модельдер құрып, ғылыми жұмыстарды жариялай бастады [1–5]. Жұмыстың мақсаты – ағылшын тілінен қазақ тіліне аударылған мәтіндердің сапасын жақсарту. Ол үшін ашық нейрондық машиналық аудармада (OpenNMT) аударманы оқыту үшін қазақ және түркі тілдес тілдерге бейімделген трансформер моделі құрылды. Құрылған модель 180 000 ағылшын–қазақ параллель корпусты оқып, үйренді. Аударма нәтижесіне баға беру үшін құрылымы жағынан әртүрлі (жай, құрмалас) 20 000 сөйлемнен тұратын ағылшын тіліндегі файл қазақ тіліне аударылды. Нәтиже аударма сапасының метрикасы (BLEU) арқылы өлшеніп [6–7], жақсы деңгейді көрсетті. Жұмыста жүргізілген эксперимент алынған нәтижені одан да жоғары деңгейге көтеру үшін, модельді оқыту кезінде ағылшын-қазақ тілдер жұбынан құрылған параллель сөйлемдер санын көбейту қажет екенін көрсетті [8].

1. Rakhimova D.R., Zhunusova A.Zh. Post-editing for the Kazakh Language Using OpenNMT // Journal of Mathematics, Mechanics and Computer Science. – 2022. – Vol. 113. – No. 1. – P. 118–122. https://doi.org/10.26577/JMMCS.2022.v113.i1.12.

2. Zhumanov Z.M., Tukeyev U.A. Development of Machine Translation Software Logical Model (Translation from Kazakh into English Language) // Reports of the Third Congress of the World Mathematical Society of Turkic Countries, edited by Bakhytzhan T. Zhumagulov. – 2009. – Vol. 1. – pp. 356–363.

3. Tukeyev U., Zhumanov Zh., Rakhimova D. Features of Development for Natural Language Processing: ICT - From Theory to Practice. – edited by M. Milos. – Polish Information Processing Society, 2010. – pp. 149–174.

4. Tukeyev U., Rakhimova D. Augmented Attribute Grammar in Meaning of Natural Languages Sentences. Proceedings of the 6th International Conference on Soft Computing and Intelligent Systems, and the 13th International Symposium on Advanced Intelligent Systems, SCIS-ISIS 2012, Kobe, Japan, 2012, pp. 1080–1085.

5. Abeustanova A., Tukeyev U. Automatic Post-editing of Kazakh Sentences Machine Translated from English // Advanced Topics in Intelligent Information and Database Systems: ACIIDS 2017. – Springer, 2017. – Vol. 710. – P. 283–295.

6. Schuster Sebastian, Ranjay Krishna, Angel Chang, Li Fei-Fei, and Christopher D. Manning. Generating Semantically Precise Scene Graphs from Textual Descriptions for Improved Image Retrieval // Proceedings of the International Conference on Vision and Language (VL). – 2015/ – P. 70–80.

7. Xu Kelvin, et al. Show, Attend and Tell: Neural Image Caption Generation with Visual Attention. arXiv, 2015, arXiv:1502.03044.

8. Shormakova A., Zhumanov Zh., Rakhimova D. Post-editing of Words in Kazakh Sentences for Information Retrieval // Journal of Theoretical and Applied Information Technology. – 2019. – Vol. 97. – No. 6. – P. 1896–1908.

9. Turganbayeva A., Tukeyev U. The Solution of the Problem of Unknown Words Under Neural Machine Translation of the Kazakh Language // Journal of Information and Telecommunication. – 2020. – P. 214–225.

10. Tukeyev U., Karibayeva A., Zhumanov Z. Morphological Segmentation Method for Turkic Language Neural Machine Translation // Cogent Engineering. – 2020. –Vol. 7. – No. 1. – P. 1–16. https://doi.org/10.1080/23311916.2020.1780271.

11. Koehn Philipp, Rebecca Knowles. Six Challenges for Neural Machine Translation // Proceedings of the First Workshop on Neural Machine Translation. – 2017. – P. 28–39.

12. Koehn Philipp. Statistical Machine Translation. Draft of Chapter 13. Neural Machine Translation. arXiv, 2017, arXiv:1709.07809v1[cs.CL], 117.

13. Papineni Kishore, Salim Roukos, Todd Ward, Wei-Jing Zhu. BLEU: A Method for Automatic Evaluation of Machine Translation // Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL). – Philadelphia, July 2002. – P. 311–318.

14. Alvarez-Melis D., Jaakkola T.S. A Causal Framework for Explaining the Predictions of Black-Box Sequence-to-Sequence Models //Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP 2017), Copenhagen, Denmark, Sept. 9-11, 2017, pp. 412–421.

15. Zhou Qingyu, Nan Yang, Furu Wei, Shaohan Huang, Ming Zhou, and Tiejun Zhao. Neural Document Summarization by Jointly Learning to Score and Select Sentences // Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). – 2018. – Vol. 1. – P. 654–663.

16. Shah Ronak, Manish Kumar Gupta, Ajai Kumar. Ancient Sanskrit Line-Level OCR Using OpenNMT Architecture. Proceedings of the 2021 Sixth International Conference on Image Information Processing (ICIIP), 2022, pp. 347–352. https://doi.org/10.1109/ICIIP53038.2021.9702666.

17. Hao L., Gao W., Fang J. High-Performance English-Chinese Machine Translation Based on GPUEnabled Deep Neural Networks with Domain Corpus // Applied Sciences. – 2021. – Vol. 11. – No. 22. – P. 10915. https://doi.org/10.3390/app112210915.

18. Quadri, Mohatesham Pasha, Pradeep Kumar. Corpus-Based Machine Translation for English to LowResource Language Using OpenNMT // Innovative Computing and Communications. – 2024. – P. 199–217.

19. Senellart Jean, Dakun Zhang, Bo Wang, Guillaume Klein, Jean-Pierre Ramatchandirin, Josep Crego, and Alexander Rush. OpenNMT System Description for WNMT 2018: 800 Words/Sec on a Single-Core CPU. Proceedings of the 2nd Workshop on Neural Machine Translation and Generation, Association for Computational Linguistics, 2018, pp. 122–128. https://doi.org/10.18653/v1/W18-2715

20. Klein Guillaume, Francois Hernandez, Vincent Nguyen, and Jean Senellart. "The OpenNMT Neural Machine Translation Toolkit: 2020 Edition. Proceedings of the 14th Conference of the Association for Machine Translation in the Americas, vol. 1, MT Research Track, October 6–9, 2020, pp. 102–109.