Language technologies are increasingly part of our everyday life, ranging from voice assistants to language data mining, to machine translation. The goal of this master thesis is to test different MT engines with the translation of a specific type of texts, patents, in the English-Italian language pair. By means of two sets of tests, conducted on both trained and generic machine translation engines as well as open access ones available online, this master thesis aims at evaluating the overall productivity and efficiency of this type of specialized translation task, as well as the linguistic quality of the raw output. In addition, an outline of the linguistic theories of translation improved so far and a digression on the developments in machine translation and its limitations, risks and future prospects will be provided beforehand.

Le tecnologie del linguaggio fanno sempre di più parte del nostro quotidiano, dagli assistenti vocali ai sistemi di estrazione e gestione di dati linguistici, fino alla traduzione automatica. Scopo di questa trattazione è mettere alla prova diversi motori di traduzione automatica con una tipologia specifica di testi, i brevetti, nella combinazione linguistica inglese-italiano. Tramite due set di test, condotti sia su motori di traduzione automatica addestrati sia su motori di traduzione automatica generici che su motori di libero accesso e disponibili online, si valuterà la produttività e l’efficienza generale di questo tipo di traduzione specialistica, nonché la qualità linguistica dell’output. Inoltre, saranno preventivamente fornite una descrizione riguardo alle teorie linguistiche della traduzione elaborate fino ad oggi e una digressione sugli sviluppi della traduzione automatica e sui suoi limiti, rischi e prospettive future.

La Machine Translation per la traduzione di brevetti: alcuni motori di traduzione automatica a confronto.

NERI, ASIA
2020/2021

Abstract

Language technologies are increasingly part of our everyday life, ranging from voice assistants to language data mining, to machine translation. The goal of this master thesis is to test different MT engines with the translation of a specific type of texts, patents, in the English-Italian language pair. By means of two sets of tests, conducted on both trained and generic machine translation engines as well as open access ones available online, this master thesis aims at evaluating the overall productivity and efficiency of this type of specialized translation task, as well as the linguistic quality of the raw output. In addition, an outline of the linguistic theories of translation improved so far and a digression on the developments in machine translation and its limitations, risks and future prospects will be provided beforehand.
2020
Machine Translation for Patent translations: several Machine Translation engines compared.
Le tecnologie del linguaggio fanno sempre di più parte del nostro quotidiano, dagli assistenti vocali ai sistemi di estrazione e gestione di dati linguistici, fino alla traduzione automatica. Scopo di questa trattazione è mettere alla prova diversi motori di traduzione automatica con una tipologia specifica di testi, i brevetti, nella combinazione linguistica inglese-italiano. Tramite due set di test, condotti sia su motori di traduzione automatica addestrati sia su motori di traduzione automatica generici che su motori di libero accesso e disponibili online, si valuterà la produttività e l’efficienza generale di questo tipo di traduzione specialistica, nonché la qualità linguistica dell’output. Inoltre, saranno preventivamente fornite una descrizione riguardo alle teorie linguistiche della traduzione elaborate fino ad oggi e una digressione sugli sviluppi della traduzione automatica e sui suoi limiti, rischi e prospettive future.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/1348