Системы машинного перевода. курсовая работа (т). информационное обеспечение, программирование. 2021-06-19
Введение
В наше время, в эпоху интернета и преодоления границ общения по всему миру, всё более востребованным становится перевод с одного языка на другой, так как большинство информации в интернете представлено на иностранных языках. Но далеко не каждый обладает знаниями иностранного языка, но не желая отказываться от информации люди, не имеющие этих знаний, прибегают к помощи систем машинного перевода.
К сожалению, качество машинного перевода оставляет желать лучшего: нередки случаи, когда текст, переведённый машиной, нельзя прочесть, так как он не связан между собой, слова не вписываются в контекст, значение слова подобрано совершенно не то, которое следовало бы выбрать. Но тем не менее, за неимением альтернативы, к помощи систем машинного перевода прибегает всё большее и большее число людей, даже не смотря на их низкое качество перевода.
К счастью, человек, обладающий знаниями иностранного языка может с лёгкостью исправить недочёты, допущенные программами. Знающий человек изменит перевод в лучшую сторону и максимально приблизит перевод к адекватному.
Актуальность. В 21 веке, информационной эпохе, информации, перевод которой требуется, становится всё больше и больше, соответственно возрастает и актуальность электронных переводчиков. Но это не значит, что спадает актуальность «живых» переводчиков, ведь только они способны сделать внемяемый читаемый перевод
Цель работы: Исследование степени участия человека в переводе, осуществляемом при помощи систем машинного перевода
Задачи: Выявить степень участия человека в переводе, осуществляемом при помощи систем машинного перевода
Объект исследования: Проблемы систем машинного перевода
Предмет исследования: Системы машинного перевода
ГЛАВА 1. МАШИННЫЙ ПЕРЕВОД
.1 Машинный перевод
Для того, чтобы понять, что такое машинный перевод, хорошо бы сначала закрепить понятие перевода, как такового. Формулировка Л.С. Бархударова такова: «Переводом называется процесс преобразования речевого произведения на одном языке в речевое произведение на другом языке при сохранении неизменного плана содержания, то есть значения»[Бархударов, 1975, с.10].В.Н. Комиссаров же даёт следующую формулировку: «Перевод – это сложный и многогранный вид человеческой деятельности» [Комиссаров, 1990, с.10].
Обычно говорят о переводе «с одного языка на другой», но, в действительности, в процессе перевода происходит не просто замена одного языка другим. В переводе сталкиваются различные культуры, разные личности, разные склады мышления, разные литературы, разные эпохи, разные уровни развития, разные традиции и установки. Переводом интересуются культурологи, этнографы, психологи, историки, литературоведы, и разные стороны переводческой деятельности могут быть объектом изучения в рамках соответствующих наук. В то же время в науке о переводе – переводоведении – могут выделяться культурологические когнитивные, психологические, литературные и прочие аспекты.». Итого, если обобщить, то перевод – это процесс или результать передачи мысли с одного языка на другой, учитывая особенности как и исходного, так и переводимого языков.
Теперь нужно уточнить что есть перевод машинный. Машинный перевод – выполняемое на ЭВМ (компьютере) действие по преобразованию текста на одном естественном языке в эквивалентный по содержанию текст на другом языке, а также результат такого действия.
Существуют два принципиально разных подхода к построению алгоритмов машинного перевода: основанный на правилах (rule-based) и статистический, или основанный на статистике (statistical-based). Первый подход является традиционным и используется большинством разработчиков систем машинного перевода (ПРОМТ в России, SYSTRAN во Франции, Linguatec в Германии и др.) Ко второму типу относится популярный сервис Яндекс. Перевод, Переводчик Google, а также новый сервис от ABBYY
1.2 Статистический машинный перевод
Статистический машинный перевод – это разновидность машинного перевода текста, основанная на сравнении больших объёмов языковых пар. Языковые пары – тексты, содержащие предложения на одном языке и соответствующие им предложения на втором, могут быть как вариантами написания двух предложений человеком – носителем двух языков, так и набором предложений и их переводов, выполненных человеком. Таким образом статистический машинный перевод обладает свойством «самообучения». Чем больше в распоряжении имеется языковых пар и чем точнее они соответствуют друг другу, тем лучше результат статистического машинного перевода. Под понятием «статистического машинного перевода» подразумевается общий подход к решению проблемы перевода, который основан на поиске наиболее вероятного перевода предложения с использованием данных, полученных из двуязычной совокупности текстов. В качестве примера двуязычной совокупности текстов можно назвать парламентские отчеты, которые представляют собой протоколы дебатов в парламенте. Двуязычные парламентские отчеты издаются в Канаде, Гонконге и других странах; официальные документы Европейского экономического сообщества издаются на 11 языках; а Организация объединенных наций публикует документы на нескольких языках. Как оказалось, эти материалы представляют собой бесценные ресурсы для статистического машинного перевода.
1.3 История машинного перевода
Мысль использовать ЭВМ для перевода была высказана в 1947 году в США, сразу после появления первых ЭВМ. Первая публичная демонстрация машинного перевода (так называемый Джорджтаунский эксперимент) состоялась в 1954 году. Несмотря на примитивность той системы (словарь в 250 слов, грамматика из 6 правил, перевод нескольких простых фраз), этот эксперимент получил широкий резонанс: начались исследования в Англии, Болгарии, ГДР, Италии, Китае, Франции, ФРГ, Японии и других странах; в том же 1954 году и в СССР.
К середине 1960-х в США для практического использования были предоставлены две системы русско-английского перевода:
.MARK (в Департаменте иностранной техники ВВС США);
.GAT (разработка Джорджтаунского университета, использовалась в Национальной лаборатории атомной энергии в Окридже и в центре Евратома в г. Испра, Италия).
Однако созданная для оценки подобных систем комиссия ALPAC пришла к выводу, что в силу низкого качества машинно переведённых текстов эта деятельность в условиях США нерентабельна. Хотя комиссия рекомендовала продолжать и углублять теоретические разработки, в целом её выводы привели к росту пессимизма, снижению финансирования, часто к полному прекращению работ по этой тематике.
Тем не менее, в ряде стран исследования продолжались, чему способствовал постоянный прогресс вычислительной техники. Особенно существенным фактором стало появление мини- и персональных компьютеров, а с ними всё более сложных словарных, поисковых и т. п. систем, ориентированных на работу с естественноязыковыми данными. Росла и необходимость в переводе как таковом ввиду роста международных связей. Все это привело к новому подъёму этой области, наступившему примерно с середины 1970-х. В 1980-е наступило время широкого практического использования переводческих систем, сложился рынок коммерческих разработок по этой теме.
Впрочем, мечты, с которыми человечество полвека назад взялось за задачу машинного перевода, в значительной мере остаются мечтами: высококачественный перевод текстов широкой тематики по-прежнему недостижим. Однако несомненным является ускорение работы переводчика при использовании систем машинного перевода: по оценкам конца 1980-х, до пяти раз.
В настоящее время существует множество коммерческих проектов машинного перевода. Одним из пионеров в области машинного перевода была компания Systran. В России большой вклад в развитие машинного перевода внесла группа под руководством проф. Р. Г. Пиотровского (Российский государственный педагогический университет имени А. И. Герцена, Санкт-Петербург).
1.4 Синхронный автоматический перевод
Синхронный автоматический перевод (Speech-to-SpeechReal-TimeTranslation) – «моментальный» машинный перевод речи, с одного естественного языка на другой, с помощью специальных программных и технических средств. Так же называется направление научных исследований, связанных с построением подобных систем.
В отличие от печатного текста или искусственных сигналов, естественная речь не допускает простого и однозначного членения на элементы (фонемы, слова, фразы), поскольку они не имеют явных физических границ. Границы слов в потоке речи автоматически могут быть определены лишь в ходе распознавания посредством подбора оптимальной последовательности слов, наилучшим образом согласующейся с входным потоком речи по акустическим, лингвистическим, семантическим и иным критериям.
Процесс электронного перевода речи (S2S Real-TimeTranslation), как правило, включает следующие три этапа):
)автоматическое распознавание речи (ASR – automaticspeechrecognition) – преобразование речи в текст;
)машинный перевод (MAT – Machine-AssistedTranslation); – автоматический перевод текста с одного языка на другой.
)синтез речи (TTS – text-to-speech) – технология, которая даёт возможность произнести текст голосом, приближенным к естественному.
Говорящий на языке A говорит в микрофон, а модуль распознавания речи признаёт произнесённое. Происходит сравнение входных данных с фонологическими моделями, состоящими из большого количества речевых библиотек. Отфильтрованное таким образом, используя словарь и грамматику языка А, преобразуется в строку слов, основанную на массиве фразы языка А. Модуль автоматического перевода преобразует эту строку. Ранние системы, заменяли каждое слово, с соответствующим словом в языке B. Более совершенные системы, не используют дословный перевод, а принимают во внимание весь контекст фразы, чтобы произвести соответствующий перевод. Созданный перевод передаётся в модуль синтеза речи, который оценивает произношение и интонацию, соответствующую ряду слов из массива речевых данных языка B. Данные, соответствующие фразе, отбираются, соединяются и выводятся в необходимой потребителю форме на языке В.
Помимо проблем, связанных с переводом текста, синхронный перевод речи имеет дело с особыми проблемами, включая бессвязность разговорного языка, меньше ограничений грамматики разговорного языка, неясной границы слова разговорного языка и коррекции ошибок распознавания речи. Кроме того, у синхронного перевода есть свои преимущества по сравнению с переводом текста, в том числе менее сложную структуру разговорного языка и меньше лексики в разговорном языке.
По мере роста мощностей аппаратных устройств, можно ожидать появления машинных переводчиков c меньшим количеством ошибок в переводе, что является главной проблемой всех электронных переводчиков речи. Ситуация ухудшается в случае принадлежности говорящих к разным языковым группам. Например, английский язык относится к германской группе индоевропейской семьи языков, а китайский – к китайско-тибетской языковой суперсемье. Различия между ними очень велики, и сделать правильный перевод нелегко, к тому же одно и то же слово может означать два и более разных по смыслу вариантов перевода в другом языке. По этим причинам процентное количество ошибок при переводе далеких друг от друга языков остается все еще высоким. В отличие, например, от перевода языков родственных – к примеру, русского и украинского.
1.5 Автоматизированный перевод
Вместо«машинный» иногда употребляется слово автоматический, что не влияет на смысл. Однако термин автоматизированный перевод имеет совсем другое значение – при нём программа просто помогает человеку переводить тексты.
Автоматизированный перевод – это широкое и не совсем точное понятие, охватывающее широкий спектр простых и сложных инструментов. Они могут включать:
.Программы для проверки правописания, которые могут быть встроены в текстовые редакторы или дополнительные программы;
.Программы для проверки грамматики, которые также встраиваются в текстовые редакторы или дополнительные программы;
.Программы для управления терминологией, которые позволяют переводчикам управлять своей собственной терминологической базой в электронной форме. Это может быть и простая таблица, созданная в текстовом редакторе, и электронная таблица, и база данных, созданная в программе FileMaker. Для более трудоемких (и более дорогих) решений существует специальное программное обеспечение, например, LogiTerm, MultiTerm, Termex, TermStar и т. п.[электронный ресурс];
.Словари на компакт-дисках, одноязычные или многоязычные;
.Терминологические базы данных, хранимые на компакт-дисках или подключаемые по Интернету, например TheOpenTerminologyForum или TERMIUM[электронный ресурс];
.Программы для полнотекстового поиска (или индексаторы), которые позволяют пользователю обращаться с запросами к ранее переведенным текстам или разного рода справочным документам. В индустрии переводов известны такие индексаторы, как Naturel, ISYS SearchSoftware и dtSearch[электронный ресурс];
.Программы конкорданса, которые позволяют находить примеры слов или выражений в употребляемом контексте в одноязычном, двуязычном или многоязычном корпусе, как например, битекст или память переводов, например Transit NXT;
.Битекст, одно из нововведений последнего времени, это результат слияния исходного текста и его перевода, который впоследствии может быть проанализирован при помощи программ для полнотекстового поиска или конкорданса;
.Программное обеспечение для управления проектами, которое позволяет лингвистам структурировать сложные переводческие проекты, передавать выполнение различных задач разным сотрудникам и наблюдать за процессом выполнения этих задач;
.Программы управления памятью переводов (TMM), состоящие из базы данных сегментов текста на исходном языке и их переводов на один или более целевых языков, например Transit NXT;
.Почти полностью автоматические системы, напоминающие машинный перевод, но позволяющие пользователю вносить определенные изменения в сомнительных случаях. Иногда такие программы называют машинным переводом с участием человека.
1.6 История автоматизированного перевода
Идея АП появилась с момента появления компьютеров: переводчики всегда выступали против стандартной в те годы концепции МП, на которую было направлено большинство исследований в области компьютерной лингвистики, но поддерживали использование компьютеров для помощи переводчикам. В 1960-е годы Европейское объединение угля и стали (предшественник современного Евросоюза) стало создавать терминологические базы данных под общим названием Eurodicautom. В Советском Союзе для создания баз такого рода был создан ВИНИТИ.
В современной форме идея АП была развита в статье Мартина Кея 1980 года, который выдвинул следующий тезис: «by taking over what is mechanical and routine, it (computer) frees human beings for what is essentially human» (компьютер берёт на себя рутинные операции и освобождает человека для операций, требующих человеческого мышления).
В настоящее время наиболее распространенными способами использования компьютеров при письменном переводе является работа со словарями и глоссариями, памятью переводов (англ. TranslationMemory, TM), содержащей примеры ранее переведенных текстов, терминологическими базами, а также использование так называемых корпусов, больших коллекций текстов на одном или нескольких языках, что дает сжатое описание того, как слова и выражения реально используются в языке в целом или в конкретной предметной области.
Для локализации программного обеспечения часто применяются специализированные средства, например, Passolo, которые позволяют переводить меню и сообщения в программных ресурсах и непосредственно в откомпилированных программах, а также тестировать корректность локализации. Для перевода аудиовизуальных материалов (главным образом фильмов) также используются специализированные средства, например, Aegisub, которые объединяют в себе некоторые аспекты памяти переводов, но дополнительно обеспечивают возможность появления субтитров по времени, их форматирования на экране, следования видеостандартам и т. п.
При синхронном переводе использование средств автоматизированного перевода из-за его специфики ограничено. Одним из примеров является использование словарей, загружаемых на КПК. Другим примером может служить полуавтоматическое извлечение списков терминов при подготовке к синхронному переводу в узкой предметной области.
В узких предметных областях при большом количестве исходных текстов и устоявшейся терминологии переводчики могут использовать и машинный перевод, который может обеспечить хорошее качество перевода терминологии и устойчивых выражений в узкой области. Переводчик в этом случае осуществляет пост-редактирование полученного текста. Более половины текстов внутри Еврокомиссии (главным образом юридические тексты и текущая корреспонденция) переводится с использованием МП.
Выводы
Машинный перевод сделал огромные шаги со времён своего рождения. Сейчас он доступен каждому, притом многие системы машинного перевода доступны совершенно бесплатно. С каждым днём системы машинного перевода совершненствуются и становятся всё ближе и ближе к тому далёкому идеалу, о котором мечтали и мечтают программисты, да впрочем и не только они.
Качество машинных переводов всё ещё далеко от идеала, но даже несмотря на невероятную сложность процесса некоторые системы машинного перевода выполняют перевод небольших лёгких текстов почти без помарок, а это уже кое-что, ведь каких-то двадцать лет назад о таком могли только мечтать, а это означает, что машинный перевод на данный момент достиг уже довольно многого.
Нельзя проигнорировать и стремительно развивающуеся область автоматизированного перевода, так как именно они помогают сделать переводчику больше работы в меньшие сроки, а некоторые программы автоматизированного перевода тесно соприкасаются с системами машинного перевода, например делая сравнительные анализы и контекстуальные правки. Таким образом простое пользование программами автоматизированного перевода помогает системам машинного перевода самообучаться.
Всё это в своей совокупности многим упростило жизнь как и обычным людям, так и людям, работающим в сфере лингвистики и переводческой сфере. Благодаря заинтересованности общественности, некоторых физических и юридических лиц в системах автоматического и автоматизированного перевода финансирование проектов в этой области не падает, как это происходило со многими проектами в начале истории машинного перевода.
Кто знает, что мы увидим через каких-то десять лет, обернутся ли они огромным скачком или же наоборот, маленькими шажочками, но уверенность есть в одном – машинный перевод это востребованная сфера и исследования в этой сфере не прекратятся ещё долгое время.
интерредактирование постредактирование машинный перевод
ГЛАВА 2. УЧАСТИЕ ЧЕЛОВЕКА В МАШИННОМ ПЕРЕВОДЕ
.1 Формы организации взаимодействия человека и ЭВМ в машинном переводе
Существует несколько форм организации взаимодействия ЭВМ и человека в машинном переводе:
.с постредактированием: исходный текст перерабатывается машиной, а человек-редактор исправляет результат.
.с предредактированием: человек приспосабливает текст к обработке машиной (устраняет возможные неоднозначные прочтения, упрощает и размечает текст), после чего начинается программная обработка.
.С интерредактированием: человек вмешивается в работу системы перевода, разрешая трудные случаи.
2.1.1 Постредактирование машинного перевода
В качестве примера я возьму предложение, благодаря машинному переводу которого Иегошуа Бар-Хиллел в 1959 году заявил, что качественный полностью автоматический машинный перевод в принципе невозможен: «John was looking for his toy box. Finally he found it. The box was in the pen.»[электронный ресурс], ипопробуюперевестиегочерезонлайн-переводчикTranslate.ru.Джон искал свою игрушечную коробку. Наконец он нашел его. Коробка была в ручке [электронный ресурс].
Как мы видим, машина неправильно перевела последне слово, так как в данном контексте оно должно переводится как манеж. Именно эту ошибку и исправляет «живой» переводчик и именно это называется постредактированием.
2.1.2 Предредактирование машинного перевода
В качестве примера можно использовать ту же фразу, которую ни одна машина так и не перевела с 1959 года , но теперь вместо pen я напишу play-pen, как бы уточняя программе, что pen здесь должно переводится как детский манеж. Итого, мы получаем вот такой результат:
Джон искал свою игрушечную коробку. Наконец он нашел его. Коробка была в детском манеже[электронный ресурс].
Таким образом, прибавив к изначальному слову приставку play сужается область значений слова pen и теперь программа корректно переводит заданный текст.
2.1.3 Интерредактирование машинного перевода
Для данной формы пример найти непросто, так как возникает он либо из-за неполадок в технической части программы, либо если программе данный случай неизвестен и сопоставить фразу или слово на обоих языках она никак не может.
2.1.4 Смешанный машинный перевод
ВкачествепримерадляэтойформывозьмемотрыковизинструкциипоэксплуатациикатушкиShimanoDendoumaru 4000 plays: «Stops retrieving the line at the point where you can raise the rod vertical and have the rig come straight to your hand.»[электронный ресурс].
При попытке перевода без предредактирования мы получаем следующее:
Остановки восстанавливая линию в пункте, где Вы можете поднять вертикальный прут и иметь буровую установку приезжайте прямо в Вашу руку.
Спервамы изменим текст оригинала, сузив область значений некоторых слов, и теперь пытаюсь перевести уже следующий текст: «Reel stops retrieving the fishing-line at the point when you can raise the fishing-rod vertically and have the rigging come straight to your hand.»[электронный ресурс]
Его перевод уже больше подходит на инструкцию к катушку к спиннингу:
Шатание прекращает восстанавливать леску в пункте когда Вы можете поднять удилище вертикально и иметь оснащение приезжайте прямо в Вашу руку.
Несмотря на то, что он всё ещё некачественен, его значение стало более ясным, а правка теперь проста до нельзя. Итого – конечный вариант работы таков: Катушка останавливает извлечение лески на точке, когда вы можете поднять удилище вертикально и рукой достать оснастку.
2.2 Степень участия человека в машинном переводе
Современные компьютерные программы перевода достаточно совершенны, но они до сих пор не могут разрешить самую сложную задачу процесса перевода: выбор контекстуально-необходимого варианта, который в каждом тексте обусловлен многими причинами. В результате начальную эйфорию сменили более уравновешенные взгляды на возможности машинного перевода.
Знаете, что такое Джорджтаунский эксперимент? – спрашивает один из создателей современной системы машинного перевода «Кросслейтор» Эдуард Клышинский. – Чистое жульничество. Представьте себе словарь из 250 слов и аналитический аппарат из 6 правил. Простейшие фразы, соответствующим образом составленные, вы переведете как по маслу. Но возьмите словарь в 1000 слов. Это будет сложнее не в 4 раза. По мере увеличения словаря сложности будут нарастать экспоненциально. За каким-то порогом вы вообще не получите результата. Текста просто не будет[электронный ресурс].
И именно по этой причине качественный машинный перевод без участия человека возможен лишь в теории, машины, даже на их быстротечный прогресс, всё ещё слишком слабы, чтобы знать точные перечни всех синтаксических конструкций, возможных на том или ином языке, а также многое другое, что требуется знать любому уважающему себя переводчику. А пока что лишь мозг человека может различать разнообразные ситуации, видеть темы и ремы, учитывать стилистику, особенности языков и многое-многое другое.
Тем не менее, стоит упомянуть, что простые словосочетания и предложения уровня «Аня была с мамой» программа переведёт без ошибок, но не все. Например известная миллионам россиян фраза «Мама мыла раму» переводится всё тем же онлайн-переводчиком Translate.ru как «Mother washed a frame» [электронный ресурс], что, конечно, по значению очень близко, но тем не менее у этой фразы другое время, да и перевод слова «мама» вышел слишком строгим. Отсюда следует, как было сказано выше, что без участия человека качественный машинный перевод невозможен.
Выводы
Несмотря на то, что машинный перевод сейчас сделал огромные шаги в развитии по сравнению с Джорджтаунским экспериментом, никто в коммерческой сфере не пользуется системами машинных переводов в полной мере, так как данные системы могут облегчить работу «живому» переводчику, но ни в коем случае его не заменить.
Однако, работы в области машинного перевда не останавливаются и ведутся каждый день. С каждым днём человечество становится чуть ближе к мечте о машине-переводчике, которая, вполне возможно, не сбудится никогда. Но год за годом машины становятся всё самостоятельнее и «живому» переводчику, взаимодействующему с системами машинного перевода, всё меньше приходится править за оными, а значит их качество растёт, пусть и очень-очень медленно.
Чем более формализован стиль исходного документа, тем большего качества перевода можно ожидать. Самых лучших результатов при использовании машинного перевода можно достичь для текстов, написанных в техническом (различные описания и руководства) и официально-деловом стиле.
Применение машинного перевода без настройки на тематику (или с намеренно неверной настройкой) служит предметом многочисленных шуток.
В настоящее время сфера использования машинного перевода сводится к промышленному переводу. Он может помочь в рутинной переводческой работе, когда быстрота выполнения перевода важнее его качества. Например, он может оказаться кстати для специалиста, не владеющего тем или иным иностранным языком, на котором ему нужно прочитать интересующий его текст. Хотя машинный перевод, как правило, оказывается полным ошибок и неувязок, человек вполне может получить общее представление о содержании текста, что поможет ему решить, стоит ли заказывать более качественный перевод или попытаться отредактировать полученный.
Таким образом, результаты машинного перевода почти всегда требуют редактирования. А то, насколько адекватными можно считать результаты перевода на компьютере, определяется не только качеством системы машинного перевода, но и качеством последующего редактирования.
Заключение
С 1954 года со сферой автоматического перевода произошло множество событий, как хороших, так и не очень. Несмотря на всеобщее мнение, что качественный машинный перевод невозможен в принципе, это не помешало сфере развиваться и на сегодняшний день мы имеем возможность почти мгновенно перевести текст с одного языка на почти любой другой.
Каждый раз, когда в машинном переводе разачаровывались на его начальных этапах, находились люди, чья заинтересованность помогала учёным и инженерам идти дальше и продвигать вместе с собою машинный перевод. В качестве примера могу сказать, что около десяти лет в 60-70 годах прошлого века область машинного перевода была спонсирована мормонской церковью, так как она была заинтересована в переводе библии на другие языки.
На сегодняшний день мне будет тяжело найти человека, который имея выход в интернет ни разу не пользовался машинным переводом, так как в наше время во время пятиминутной прогулки по Старому Арбату вы встретите множество иноязычных слов, значение которых будет интересно узнать.
Некачественный перевод исправим, и исправит его профессиональный переводчик, которые всё чаще и чаще прибегают к помощи систем машинного перевода. И хотя не во всех сферах помощь машинного перевода применима, многие из переводчиков предпочтут работать с сырым материалом, чем начинать всё с нуля.
По оценкам конца 80-х использование систем машинного перевода ускорило работу переводчиков в 5 раз, сейчас же эти цифры возрасли, наверное, в десятки раз, что, безусловно, лишь к лучшему.
Список использованной литературы
1. Бархударов Л.С. Язык и перевод / Л.С. Бархударов – М.: 1975.- 240с.
. Бар-Хиллел И. Будущее машинного перевода (почему машины не могут научиться переводить) // Вопросы языкознания. 1969. № 4.- C. 11
. Будущее машинного перевода // Компьютера. № 21, 05 июня 2002. – C. 15
. Комиссаров В.Н. Теория перевода. / В.Н. Комиссаров – М., 1990.- 253 c.
. Кулагина. О современном состоянии машинного перевода // Математические вопросы кибернетики, вып. 3, М.: Наука, 1991. -C. 5-156. Нелюбин Л.Л. Компьютерная лингвистика и машинный перевод. / Л.Л. Нелюбин- М., 1991.
. Лингвистический энциклопедический словарь / Глав. ред. В. Н. Ярцева – М.: Советская энциклопедия, 1990.- 685 с.: ил.
