Regelbasierte maschinelle Übersetzung (RBMT) ist ein klassischer Ansatz zur maschinellen Übersetzung, der Ausgabesätze auf der Grundlage linguistischer Informationen über die Ausgangs- und Zielsprache erzeugt. Diese Informationen stammen aus einsprachigen, zweisprachigen oder mehrsprachigen Wörterbüchern und Grammatiken, die die wichtigsten semantischen, morphologischen und syntaktischen Regelmäßigkeiten jeder Sprache abdecken. Ein RBMT-System analysiert den Ausgangssatz und konstruiert den Zielsatz mithilfe expliziter Regeln, im Gegensatz zu datengetriebenen Methoden wie der neuronalen maschinellen Übersetzung. Obwohl RBMT jahrzehntelang das dominierende Paradigma war, wurde es zunehmend durch effizientere Methoden ersetzt, insbesondere durch solche, die auf Deep Learning und großen Sprachmodellen basieren.
Geschichte
Die ersten RBMT-Systeme entstanden in den frühen 1970er Jahren. Eines der einflussreichsten war Systran, dessen Entwicklung 1968 begann und das während des Kalten Krieges häufig zur Übersetzung von Russisch und Englisch eingesetzt wurde. Systran expandierte später auf viele Sprachpaare und wurde 1976 von der Europäischen Kommission übernommen. Ein weiteres bemerkenswertes frühes System war das japanische MT-Projekt, das in den 1980er Jahren zu kommerziellen Systemen führte. Heute gehören zu den gängigen RBMT-Systemen Apertium, eine Open-Source-Plattform zur Übersetzung zwischen verwandten Sprachen, und GramTrans, ein kommerzielles System für skandinavische und andere europäische Sprachen.
Arten von RBMT
RBMT-Systeme werden allgemein in drei Typen eingeteilt. Direkte Systeme, auch wörterbuchbasierte maschinelle Übersetzung genannt, ordnen Eingabewörter mit grundlegenden Regeln Ausgabewörtern zu, oft ohne tiefgehende syntaktische Analyse. Transferbasierte Systeme verwenden morphologische und syntaktische Analysen der Ausgangssprache und übertragen dann die Struktur auf die Zielsprache. Interlinguale Systeme verwenden eine abstrakte Bedeutungsrepräsentation, die als Interlingua bezeichnet wird und unabhängig von einer bestimmten Sprache ist. RBMT wird oft mit der beispielbasierten maschinellen Übersetzung kontrastiert, die parallele Korpora anstelle expliziter Regeln verwendet. Hybride maschinelle Übersetzungssysteme kombinieren Prinzipien von RBMT mit statistischen oder neuronalen Methoden.
Grundprinzipien
Der Kernansatz von RBMT besteht darin, die Struktur des Ausgangssatzes mit der Struktur des Zielsatzes zu verknüpfen, während die Bedeutung erhalten bleibt. Zum Beispiel erfordert die Übersetzung von "A girl eats an apple" vom Englischen ins Deutsche ein Wörterbuch, das jedes englische Wort einem deutschen Äquivalent zuordnet, Regeln für die englische Satzstruktur, Regeln für die deutsche Satzstruktur und Regeln, die die beiden Strukturen in Beziehung setzen. Der Prozess umfasst typischerweise mehrere Stufen: Gewinnung von Wortarteninformationen für jedes Ausgangswort, Bestimmung syntaktischer Informationen über das Verb (wie Tempus und Genus Verbi), Parsen des Ausgangssatzes (oft teilweise), Übersetzung von Wörtern in die Zielsprache und schließlich die Erzeugung der entsprechenden flektierten Formen. Im Beispiel ist die Ausgabe "Ein Mädchen isst einen Apfel", wobei Artikel und Kasus des Nomens gemäß der deutschen Grammatik angepasst werden.
Ontologien
Eine Ontologie ist eine formale Wissensrepräsentation, die Konzepte und Beziehungen innerhalb einer Domäne umfasst. In der Verarbeitung natürlicher Sprache können Ontologien als Wissensquelle für die maschinelle Übersetzung dienen und helfen, lexikalische Mehrdeutigkeiten aufzulösen. Zum Beispiel kann der Satz "I saw a man with a microscope" auf mehrere Arten interpretiert werden, aber eine große Ontologie kann die möglichen Interpretationen basierend auf dem Kontext reduzieren. Das PANGLOSS-wissensbasierte maschinelle Übersetzungssystem, entwickelt 1993, veranschaulicht, wie Ontologien aufgebaut werden. Es zielte darauf ab, das LDOCE-Wörterbuch und WordNet zu vereinen, um präzise Definitionen mit semantischen Beziehungen zu kombinieren. Ein Definitionsabgleich-Algorithmus führte Bedeutungen automatisch basierend auf gemeinsamen Wörtern in Definitionen zusammen, und ein Hierarchieabgleich-Algorithmus verwendete taxonomische Strukturen, um Mehrdeutigkeiten aufzulösen. Die resultierende Ontologie mit etwa 50.000 Knoten unterstützte Parsing und Generierung im System.
Komponenten
Ein typisches RBMT-System besteht aus mehreren Komponenten: einem morphologischen Analysator der Ausgangssprache, der morphologische Informationen für Wörter bereitstellt, einem Parser der Ausgangssprache, der die Satzsyntax analysiert, einem Übersetzer, der Ausgangswörter auf Zielsprachwörter abbildet, einem morphologischen Generator der Zielsprache, der geeignete flektierte Formen erzeugt, und einem Parser der Zielsprache, der den endgültigen Satz zusammensetzt. Zusätzlich sind mindestens drei Wörterbücher erforderlich: ein Wörterbuch der Ausgangssprache für die morphologische Analyse, ein zweisprachiges Wörterbuch für die Übersetzung und ein Wörterbuch der Zielsprache für die Generierung. Diese Komponenten arbeiten zusammen, um die linguistischen Regeln anzuwenden, die den Übersetzungsprozess definieren.
Einschränkungen und Vermächtnis
RBMT-Systeme haben mehrere Einschränkungen. Sie erfordern umfangreiche manuelle Entwicklung von Regeln und Wörterbüchern, was zeitaufwendig und teuer ist. Sie haben oft Schwierigkeiten mit idiomatischen Ausdrücken, Mehrdeutigkeiten und Sprachen mit komplexer Morphologie. Infolgedessen haben statistische und später neuronale Ansätze, wie Sequence-to-Sequence (Seq2Seq)-Modelle und Transformer (architecture)-Architekturen, RBMT in kommerziellen Anwendungen weitgehend ersetzt. Dennoch bleiben RBMT-Prinzipien in hybriden Systemen und in Umgebungen mit ressourcenarmen Sprachen einflussreich, wo parallele Daten knapp sind. Die Betonung von linguistischem Wissen und Erklärbarkeit beeinflusst weiterhin die Forschung in künstlicher Intelligenz und maschinellem Lernen.