Unser Webcrawler sucht das Internet nicht nur nach deutsch-englischen Beispielübersetzungen ab, sondern auch nach deutsch-spanischen. Die vorherige Version (s. Posting) des Kontext-Wörterbuchs Deutsch-Spanisch enthielt bereits 2,5 Mio. Verwendungsbeispiele aus diversen Quellen. Mit dem „Webcrawl“ kamen weitere 4 Mio zweisprachige Beispielsätze hinzu. Somit sind im linguatools Wörterbuch jetzt (Stand 29.6.2018) insgesamt 7 Mio. deutsch-spanische Sätze enthalten.

Satz-Quellen

Die ursprünglichen Quellen für zweisprachige Beispielsätze waren z.B. Untertitel, Zeitungskommentare, Gesetzestexte, urheberrechtsfreie Literatur, UN-Texte und EU-Parlamentsdebatten.

Die neu hinzugekommenen Sätze, die unser Crawler gefunden hat, decken diverse Sachgebiete ab wie Musik, E-Commerce, Technik, Landwirtschaft, Gastronomie ab.

Suche im Wörterbuch Deutsch-Spanisch

Die Suche nach Verwendungsbeispielen in unserem Kontext-Wörterbuch Deutsch-Spanisch gestaltet sich wie folgt: Zu Ihrem Suchwort werden zwei Arten von Übersetzungen angezeigt:

• Wörterbuch-Übersetzungen
• Computergenerierte Übersetzungsvorschläge

In beiden Fällen werden mit einem Mausklick auf die Übersetzung oder auf den Übersetzungsvorschlag die entsprechenden deutsch-spanischen Verwendungsbeispiele angezeigt.

Die Verwendungsbeispiele, die unser Crawler im Web gefunden hat, erkennt man daran, dass sie mit dem Korpustyp „Webseite“ gekennzeichnet sind.

Bei jedem Verwendungsbeispiel aus dem Web finden Sie auch seinen Fundort in Form einer URL. So können Sie die Vertrauenswürdigkeit der Satzübersetzung prüfen oder noch mehr Kontext zum Beispiel nachschlagen.

Ein kleiner Test

Versuchen Sie jetzt selbst unser neues Wörterbuch Deutsch-Spanisch. Z.B. mit dem Suchwort fantastisch.

Anhand dieses Beispiels können Sie die Mächtigkeit der Übersetzungsvorschläge erkennen. Es werden neben der spanischen Übersetzung fantástico weitere Übersetzungsvorschläge wie magnífico, increíble, maravilloso, impresionante, espectacular und asombroso gemacht.

Der Computer hat die Vorschläge mit statistischen Methoden aus der Vielzahl unserer Beispielsätze gelernt.

Google’s New Service Translates Languages Almost as Well as Humans Can

Geht man auf Google Translate, um die Verbesserung mit eigenen Augen zu betrachten, steht man vor dem Problem, dass man die aktuellen Ergebnisse nicht mit der Qualität der alten Version vergleichen kann, denn die ist nicht mehr online. Daher wohl auch die verwirrten Kommentare unter dem Post im Research Blog, wie z.B.:

„Has this been deployed to Google Translate? The translation right now is still pretty bad.“

Zufälligerweise haben wir im Oktober 2013 einige Texte mit Google Translate übersetzt. Damit sind wir in der Lage, die alte statistische und die neue neuronale Übersetzung von Beispielsätzen direkt miteinander vergleichen zu können:

Vielleicht geht es Ihnen nach Durchsicht der Beispiele ja wie mir. Ich bin enttäuscht, neidisch und erleichtert. Enttäuscht vom Grad der Verbesserung; neidisch auf die Marketing-Macht von Google; erleichtert, dass auch die neuronale Übersetzung noch kilometerweit von der menschlichen Übersetzung entfernt ist.

Die aufgeklappte Filter-Box sieht dann so aus:

Es gibt fünf Filter-Kriterien:

• TLD Deutsch: Top level domain für die deutsche Seite
• TLD Englisch: Top level domain für die englische Seite
• Korpustyp
• Host
• Sachgebiete

Die Kriterien und ihre Verwendung werden im folgenden genauer erklärt.

TLD Deutsch
Hier können die Treffer auf eine sogenannte top level domain (TLD) eingeschränkt werden. Als top level domain wird der letzte Teil einer Web-Adresse (Domain) hinter dem letzten Punkt bezeichnet, z.B. de oder com. Wenn Sie eine der blau dargestellten TLDs auswählen, werden nur noch Sätze angezeigt, deren deutsche Seite von einer Webseite mit der entsprechenden TLD stammt. Es wird also nur noch eine Teilmenge der vorhandenen Treffer angezeigt. Wenn Sie z.B. nur Sätze sehen wollen, deren deutsche Seite von einer Webseite aus der Schweiz stammt, dann wählen Sie unter TLD Deutsch ch aus.

Die tiefergestellten Zahlen neben jeder TLD geben die Anzahl der jeweils vorhandenen Beispielsätze an.

Da nicht alle Beispielsätze aus dem Web stammen, sondern auch aus parallelen Korpora wie DGT-TM, gibt es auch eine TLD namens ohne. Wenn Sie diese auswählen, werden nur noch Sätze angezeigt, die nicht aus dem Web, sondern aus einem Parallelkorpus stammen.

TLD Englisch
Hier können Sie die gewünschte Top level domain für die englische Seite einschränken. Wenn Sie z.B. nur Sätze sehen wollen, deren englische Seite von einer Webseite aus Großbritannien stammt, wählen Sie uk als TLD Englisch.

Mehrere Filterkriterien können miteinander kombiniert werden. Wenn Sie beispielsweise nur Sätze sehen wollen, deren deutsche Seite von einer Webseite aus Österreich stammt und deren englische Seite von einer Webseite aus Großbritannien, dann wählen Sie at als TLD Deutsch und anschließend noch uk als TLD Englisch.

Korpustyp
Jeder Beispielsatz gehört zu genau einem Korpustypen. Es gibt die folgenden Korpustypen:

Host
Wenn Sie einen Host auswählen, werden nur noch Beispielsätze angezeigt, die von diesem Host stammen. Als Beispiel die Filter-Box und die Übersetzungen für das Suchwort „Läufer“:

Unter den Übersetzungen von „Läufer“ sind diejenigen hervorgehoben (anklickbare Buttons), für die Beispielsätze gefunden wurden. Man erkennt Sie auch an den tiefergestellten Zahlen: sie haben eine Zahl größer Null (die Zahl steht für die jeweils gefundenen Sätze). Alle Lesarten von Läufer sind vertreten: Sport (runner, halfback), Schach (bishop), Technik (rotor, stretcher) und der Teppich. Wenn Sie nun chessbase als Host auswählen, werden nur noch Sätze zur Schach-Lesart gefunden:

Wenn Sie dagegen die Beispielsätze auf den Host berlin-laeuft einschränken, erhalten Sie nur noch Sätze zur Lesart runner:

Sachgebiete
Hier kann die Menge der angezeigten Beispielsätze auf ein Sachgebiet eingeschränkt werden. Sachgebiete gibt es allerdings nur bei den Korpustypen „Webseite“ und „EU Webseite“. Jede gecrawlte Webseite wurde mit einem automatischen Verfahren ein bis drei Sachgebieten zugeordnet. Nachfolgend die vollständige Liste aller Sachgebiete (das Sachgebiet unbekannt gilt für alle Sätze ohne Sachgebietsklassifizierung):

unbekannt, technik, informationstechnologie, internet, tourismus, e-commerce, verlag, theater, mode-lifestyle, schule, universitaet, verwaltung, transport-verkehr, informatik, kunst, musik, film, infrastruktur, staatliche-entscheidungsorgane-und-oeffentliches-finanzwesen, oekonomie, media, finanzmarkt, wirtschaftsrecht, auto, politik, sport, steuerterminologie, jagd, verkehr-kommunikation, marketing, boerse, radio, medizin, personalwesen, rechnungswesen, ressorts, immobilien, markt-wettbewerb, religion, astrologie, flaechennutzung, mythologie, militaer, psychologie, transaktionsprozesse, soziologie, bahn, unternehmensstrukturen, gastronomie, physik, literatur, verkehrssicherheit, weltinstitutionen, oekologie, pharmazie, jura, astronomie, bau, gartenbau, verkehr-gueterverkehr, handel, versicherung, raumfahrt, luftfahrt, foto, archäologie, meteo, zoologie, forstwirtschaft, geografie, geologie, nautik, philosophie, botanik, architektur, biologie, vogelkunde, mathematik, landwirtschaft, historie, chemie, verkehrsfluss, linguistik, bergbau, finanzen, typografie, controlling, mobilfunk-telekommunikation

Als Beispiel seien die Treffer für die Suchanfrage lesen vorgestellt:

Durch einen Klick auf einen Übersetzungsvorschlag kann sich der Nutzer die Sätze anzeigen lassen, aus denen der automatische Übersetzungsvorschlag stammt und selbst beurteilen, ob die vorgeschlagene Übersetzung adäquat ist. Die Zahl bei den Übersetzungsvorschlägen unten rechts gibt die Anzahl der Sätze an, in denen der Übersetzungsvorschlag vorkommt (es werden aber höchstens 10 Sätze angezeigt).

Dieses Feature richtet sich an erfahrene Nutzer, die abwägen können, ob die vorgeschlagene Übersetzung überhaupt richtig sein kann. Dadurch, dass die Übersetzungsvorschläge automatisch aus der Masse der zweisprachigen Verwendungsbeispiele erzeugt werden, kann es vorkommen, dass der eine oder andere Vorschlag falsch ist.

Beispiel:

Wenn in vielen zweisprachigen Sätzen six (engl.) und sieben (deu.) vorkommen, wie in den Sätzen: It’s half past six. (engl.) bzw. Es ist halb sieben, so wird dem Nutzer sieben als Übersetzung für six präsentiert, was dann mit Bedacht verwendet werden muss.

Wörterbucheinträge, die aus mehreren Wörtern bestehen, werden als Suchvorschläge angezeigt, wenn die Eingabe mit dem Wortanfang eines beliebigen Wortes des Wörterbucheintrags übereinstimmt. Eine erweiterte Sucheingabe heben führt zu Vorschlägen wie das niveau heben, eine last heben, den wert heben, den standard heben, aus den angeln heben, hebend.

Neben jedem Suchvorschlag werden dem Nutzer gleich bis zu sieben Übersetzungen angezeigt. Um Verwendungsbeispiele für diese Übersetzungen anzuzeigen oder weitere Übersetzungen anzuzeigen, muss mit diesem Suchvorschlag die eigentliche Suche ausgeführt werden.

Präsentiert werden die Suchvorschläge aufgeteilt in zwei Kategorien: Zunächst die Top-10-Vorschläge aus dem Wörterbuch und darunter die computergenerierten Vorschläge. Die Sucheingabe hemmnis zeigt einerseits Übersetzungen für hemmnis aus dem Wörterbuch: barrier, hindrance, obstruction, disincentive, restraint und andererseits auch computergenerierte Übersetzungen: obstacle, impediment, constraint, barriers, delay.

Es wird gleichzeitig in beiden Sprachrichtungen gesucht. Aus welcher Sprache ein Vorschlag stammt, ist anhand der kleinen Fahne leicht zu erkennen.

1. Das Wörterbuch wurde um neue Quellen erweitert.
2. Die Verwendungsbeispiele wurden vervielfacht und verfeinert.
3. Die Darstellung der Suchergebnisse wurde völlig neu und userfreundlich überarbeitet.
4. Zusätzliche Angaben zum Verwendungsbeispiel wurden bereitgestellt.

1. Wörterbuch

Bisher enthielt unser deutsch-englisches Wörterbuch ca. 630.000 Übersetzungen aus den folgenden Quellen:

• Übersetzungen von Frank Richter von der TU Chemnitz
• Übersetzungen von Wikipedia-Artikelnamen
• Übersetzungen aus dem Wiktionary
• Übersetzung, die vom linguatools-Team halbautomatisch oder automatisch hinzugefügt worden sind.

In der neuen Version kommen folgende Quellen hinzu:

• Eurovoc, mehrsprachiger Thesaurus der EU
• IATE, mehrsprachige Terminologie-Datenbank der EU
• OmegaWiki

Jetzt findet man im Kontext-Wörterbuch insgesamt über 1,4 Mio. Übersetzungen von Einzelwörtern und typischen Wortverbindungen (Stand 1.9.2015).

Zum Testen seien hier ein paar häufige Suchwörter wie entstehen, bereits, Grundlage, notwendig und eher seltene Suchwörter wie Flüchtlingslager, nachvollziehen, lückenlos genannt.

2. Verwendungsbeispiele

Bisher waren linguatools-Verwendungsbeispiele u.a. folgenden Ursprungs:

• • Literaturübersetzung ( H.C. Andersen, H. de Balzac, F.M. Dostojewski, A.C. Doyle, G.E. Lessing, G. Orwell, L. Carroll, C. Dickens, G. Flaubert, J.W. Goethe, L. von Sacher, J. Spyri, T. Storm und O. Wilde)
  • Pressemeldungen der Bundesregierung bzw. einzelner Ministerien
  • Reden deutscher Politiker 2004-2007 sowie J.F. Kennedys Berliner Rede 1963.
  • Abstracts von Diplom-/Magisterarbeiten, Dissertationen und wissenschaftlichen Fachjournalen
  • europarl-Parallelkorpus
  • DGT-TM (Translation Memory der EU)
  • Untertitel von Filmen und Serien

Es handelte sich also um Quellen, die gezielt manuell „angezapft“ wurden und für die Wörterbuchbelange angepasst wurden.

Als neuer Ursprung deutsch-englischer Verwendungsbeispiele kommt nun hinzu :

• WWW als Ganzes

Im weltweiten Web (WWW) findet linguatools zweisprachige Verwendungsbeispiele zu Wörterbucheinträgen nun automatisch. Dafür wurde ein spezieller Crawler entwickelt, der mehrsprachige Webseiten erkennt, im nächsten Schritt die gewünschten zweisprachigen Sätze extrahiert und schließlich den eigentlichen Wörterbucheinträgen zuordnet.

Die Verwendungsbeispiele aus dem WWW sind mit dem Korpustyp „Webseite“ gekennzeichnet.

3. Darstellung

Um die Treffermenge übersichtlich zu halten, werden die Suchtreffer auf mehrere Tabs aufgeteilt:

Tab „Übersetzungen“

In diesem Tab werden Übersetzungen zum Suchwort angezeigt, gruppiert nach Wortart. Wird beispielsweise nach der Übersetzung für Übersicht gesucht, erhält man als Treffermenge die nach ihrer Häufigkeit sortierten Übersetzungen overview, summary, list, review, survey, outline, general view usw. Durch das Anklicken der jeweiligen Übersetzung werden unmittelbar Verwendungsbeispiele eingeblendet. Zu jeder Übersetzung gibt es die Information über die Anzahl der Verwendungsbeispiele, die das linguatools-Kontex-Wörterbuch für diese Übersetzung bereithält, jedoch bekommt der User maximal hundert Verwendungsbeispiele angezeigt.

Ein Feature verdient besondere Aufmerksamkeit. Es werden Verwendungsbeispiele nicht nur der Übersetzungen eingeblendet, sondern auch ihrer flektierten Varianten.
Zur Übersetzung Übersicht-overview werden also nicht nur Verwendungsbeispiele mit Übersicht-overview, sondern auch mit Übersichten-overviews angezeigt. Bei der Suche nach dem Verb kaufen (buy) werden auch Verwendungsbeispiele mit kauft-buy und gekauft-bought eingeblendet.

Tab „Typische Wortverbindungen“

In diesem Tab werden Übersetzungen typischer Wortverbindungen des Suchwortes angezeigt. Für das Suchwort Übersicht erscheinen dann Übersetzungen wie

• buchhalterische Übersicht – accounting statement
• die Übersicht behalten über – keep track of
• konsolidierte Übersicht – consolidated balance sheet

Die Verwendungsbeispiele – sofern welche vorhanden – werden durch einen Klick auf die jeweilige Übersetzung der typischen Wortverbindung angezeigt.

Tab „Weitere Beispiele“

In diesem Tab werden keine Übersetzungen des Eingabewortes angezeigt, sondern weitere zweisprachige Verwendungsbeispiele. Hier findet man weitere Übersetzungsmöglichkeiten, denn in den Sätzen der Zielsprache ist KEINE Übersetzung, die in den ersten zwei Tabs bereits aufgetreten ist.

4. Zusätzliche Angaben

Bei jedem automatisch gecrawlten Verwendungsbeispiel werden dem User weitere Informationen eingeblendet:

• Sachgebiet der Webseite, in der der Satz gefunden wurde.
• Link zur Webseite, in der der Satz gefunden wurde.
• Lokalisierung der Sprache: Deutsches (DE), österreichisches (AT) oder schweizerisches Deutsch (CH) bzw. Englisch aus England (UK) und USA-Englisch (US).

Wie funktioniert die automatische Komposita-Übersetzung?
Zunächst muss das deutsche Kompositum in seine Bestandteile zerlegt werden. Das ist für den Computer ein äußerst schwieriges Unterfangen. Nehmen wir als Beispiel das Kompositum Bildungsaustauschprogramm. Unser Kompositazerleger findet als Konstituenten: Bildung, Austausch und Programm. Die Konstituenten können nun im Wörterbuch nachgeschlagen werden:

Bildung: creation development education establishment formation forming genesis learning literacy nurture setting up
Austausch: exchange replace substitutional commutation interchange relocation swapping transposition
Programm: channel cycle program programme schedule scheme manifesto

Die Übersetzungen der beiden Bestimmungswörter Bildung und Austausch werden jetzt noch um ihre Adjektiv-Ableitungen erweitert:

development -> developmental, education -> educational …

Aus den möglichen Übersetzungen jeder Konstituente (und den
Adjektiv-Ableitungen) werden dann alle möglichen Kombinationen gebildet:

creation exchange channel
development exchange channel
…
forming transposition manifesto

In diesem Beispiel gibt es 14 x 9 x 7 = 882 mögliche Kombinationen. Aber welche davon gibt es im Englischen? Und sind sie überhaupt Übersetzungen des Ausgangskompositums? Angenommen development relocation cycle existiert im Englischen, handelt es sich dabei überhaupt noch um die Übersetzung von Bildungsaustauschprogramm?
Um das herauszufinden, durchsuchen wir unser Satzarchiv aus zweisprachigen deutsch-englischen Sätzen. Auf der deutschen Seite muss das Ausgangswort Bildungsaustauschprogramm vorkommen, und auf der englischen Seite alle drei Wörter einer der 882 erzeugten
Kombinationen. Zwischen den drei Wörtern dürfen außerdem Präpositionen und Artikel vorkommen. So finden wir zu Bildungsaustauschprogramm die englische Entsprechung programme for educational exchange.
Auf gleiche Weise wird aus Seerechtsabkommen zuerst See, Recht und Abkommen, dann (neben vielen anderen Kombinationen) sea, law und convention, und schließlich convention on the Law of the Sea.

Als nächstes planen wir, unsere Methode auf andere Konstruktionen als Komposita auszudehnen. Wenn zu Wirtschaftsentwicklung die englische Entsprechung economic development gefunden werden kann, sollte das für die Nominalphrase wirtschaftliche Entwicklung auch funktionieren.

Zum Schluss einige Beispiele für automatisch gefundene Komposita-Übersetzungen (in Klammern die jeweilige Häufigkeit in unserem Satzarchiv):

Heringsfangmöglichkeit
– possibility for catching herring

Haushaltsbeschluss
– budgetary decision (10)
– budget decision (6)
– decision on the budget (2)

Souveränitätsgewinn
– gain in sovereignty

Imageverlust
– loss to the image

Gefahrensituation
– risk situation (5)
– dangerous situation (4)
– situation of risk (3)

Beispiel: Elch

Probieren Sie es aus: Was geht ab?

Der Simultanübersetzer soll grundsätzlich sowohl für die verbale als auch für die schriftliche Kommunikation funktionieren, wodurch beispielsweise zwei Geschäftsleute aus den USA und aus Japan mit dem Handy telefonieren und hierbei jeweils in ihrer eigenen Muttersprache sprechen können. Der Simultanübersetzer von NTT Docomo wandelt die gesprochenen Worte (oder auch die geschriebenen einer SMS) zeitgleich in die Sprache des jeweils anderen Gesprächsteilnehmers um, wodurch die sprachlichen Barrieren optimal überwunden werden sollen.

Um diesen Simultanübersetzer für die reibungslose, internationale Kommunikation mit dem Mobiltelefon zu ermöglichen, greift der Entwickler NTT Docomo auf verschiedene Technologien, wie die automatische Spracherkennung, die Sprachsynthese und die Maschinen-Übersetzung zurück. Im Rahmen einer Demonstration auf der Technik-Messe “Wireless Japan 2011“ wurde beispielsweise ein Zeitungsartikel in japanischer Sprache über ein Handy vorgelesen und der Empfänger erhielt daraufhin die gesprochenen Worte in seiner englischen Muttersprache.

Das einzige Problem bei diesem Simultanübersetzer stellt die bisher noch nicht einwandfreie Erkennungsrate der gesprochenen Worte dar, da diese bei Weitem noch nicht die 100% erreicht hat. (siehe hier) Die jeweilige Erkennungsrate der gesprochenen Worte hängt grundsätzlich von der Deutlichkeit des Sprechers und auch von der Übertragungsqualität des Telefongesprächs ab. Auch stellen die verschiedenen Dialekte und die hiermit verbundenen, teilweise sehr unterschiedlichen Betonungen der Silben und Worte in der heutigen Zeit leider immer noch für viele Spracherkennungsprogramme ein ernst zu nehmendes Problem dar. Dieser Umstand bezieht sich nicht nur auf den Simultanübersetzer von NTT Docomo, sondern zum Beispiel auch auf viele Spracherkennungsprogramme für die Texterstellung am PC. Jedoch hat die Erkennungsrate vieler renommierter Spracherkennungsprogramme in den letzten Jahren erhebliche Fortschritte gemacht und daher scheint es nur noch eine Frage der Zeit zu sein, bis das letzte Hindernis bezüglich der optimalen Erkennung der gesprochenen Worte endlich beseitigt wird.

Dennoch plant der Entwickler NTT Docomo noch in diesem Jahr die Veröffentlichung einer ersten Testversion des cloudbasierten Simultanübersetzers, wobei sich die Nutzer dieser Vorabversion jedoch auf einige Einschränkungen bezüglich der nicht einwandfreien Spracherkennung einstellen müssen.