ارزیابی تطبیقی کیفیت خروجی ماشین‌های ترجمه برخط رایگان بین عربی و فارسی بر اساس مدل dqf-mqm

نیاز بشر به اجرای فرآیند ترجمه با بازدهی هر چه بیشتر موجب تلاش وی برای دست ‌یافتن به فناوری‌های پیشرفته ترجمه بوده است. بخش اعظم تلاش‌ها در این میدان صرف رسیدن به ترجمۀ ماشینی یا خودکار (بدون دخالت انسان) شده است که کیفیت ترجمۀ انسانی را ندارد، اما دارای مزیت‌های دیگری مانند سرعت و دسترسی بالا و هزینه پایین است. اوج این مزایا را می‌توان در ماشین‌های ترجمه برخط رایگان دید. بعضی از این ماشین‌ها (یعنی گوگل، بینگ، یاندکس، رورسو، مادرن‎‌ام‌تی و نیوترنس) از ترجمۀ عربی به فارسی و برعکس پشتیبانی می‌کنند. هدف این پژوهش مقایسۀ کیفیت خروجی این ماشین‌های ترجمه با همدیگر  و یافتن بهترین گزینه برای ترجمۀ خودکار بین زبان‌های عربی و فارسی است. برای رسیدن به این هدف، ابتدا دو پیکرۀ کوچک عربی و فارسی هر کدام شامل 60 جمله با انواع و موضوع‌های تصادفی از جملات موجود در دو کتاب فرهنگ بسامدی عربی و فارسی انتشارات راتلج انتخاب شد، سپس این جملات تک به تک در ماشین‌های ترجمۀ اشاره شده وارد شد و خروجی دریافت شده با روش ارزیابی انسانی بر اساس مدل تحلیل و طبقه‌بندی خطای dqf-mqm مورد بررسی قرار گرفت. ماشین‌های ترجمه به ترتیب از بیشترین به کمترین کیفیت خروجی از این قرار بودند: گوگل، بینگ، یاندکس، مادرن‌ام‌تی، رورسو، و نیوترنس. این نتیجه مطلق و همیشگی نیست، بلکه آماری و احتمالاتی است؛ ماشین‌های با رتبه پایین‌تر بعضی جملات را بهتر از ماشین‌های با رتبه بالاتر ترجمه می‌کنند.

comparative quality evaluation of the output of free online translation machines between arabic and persian based on the dqf-mqm model

man’s need to translate with more efficiency has made him endeavor to achieve advanced translation technologies. most of the efforts in this field have been devoted to achieving machine (automatic) translation (without human intervention), which, although it does not have the quality of human translation, has other advantages such as speed and high availability and low cost. the peak of these benefits can be seen in free online translation machines. some of these machines (i.e. google, bing, yandex, reverso, modernmt, and niutrans) support arabic to persian translation and vice versa. the purpose of this research is to compare the quality of arabic<>persian translations provided by these machines with each other. in order to achieve this goal, first, two small arabic and persian corpuses, each containing 60 sentences with random types and topics, were selected from the sentences in the two arabic and persian frequency dictionaries published by routledge, then these sentences were entered one by one into the aforementioned translation machines. and the received output was scrutinized by human evaluation method based on the dqf-mqm error classification and analysis model. the translation machines in order from highest to lowest output quality are: google, bing, yandex, modernmt, reverso, and niutrans. this is not an absolute and constant result, but a statistical and probabilistic one; lower-ranked machines translate some sentences better than the higher-ranked machines.