Waarom segmentatie hergebruik beïnvloedt
Vertaalprocessen werken vaak met tekststukken in plaats van hele documenten. Wanneer tools dezelfde inhoud anders opdelen, worden eerdere eenheden moeilijker te koppelen en hergebruiken.
Neem „Dr. Patel opened the file. It was empty.” Splitsen na elke punt creëert een ongewenste grens na de titel. Lijsten, afkortingen, getallen en opmaak brengen andere gevallen mee.
Niet elk document vereist eigen regels. Wel moeten segmentatieaannames worden begrepen voordat verschillen aan de vertalingen zelf worden toegeschreven.
Een voorbeeld van een compatibiliteitscontrole
Maak volgens ons een kort corpus met gebruikelijke afkortingen, genummerde instructies, citaten en interpunctie uit de werkelijke brontaal. Verwerk het in de uitgaande en ontvangende omgeving en vergelijk de grenzen.
Onderzoek bij verschillen of de oorzaak een regel, documentfilter of instelling is. Bewaar het corpus voor regressietests bij latere migraties.
Dit is redactioneel advies, niet de formele conformiteitsprocedure.
Verband met LISA en latere archieven
SRX behoort rechtstreeks tot LISA's erfgoed en vult geheugenuitwisseling aan. ETSI registreert het latere SRX-project als gestopt. Het Unicode-ULI-archief bespreekt interoperabiliteit, maar vermeldt expliciet ontbinding van de subcommissie in 2020. Geen van beide archieven is een actieve SRX-beheerorganisatie. ETSI-werkregister, Unicode ULI.
AI en segmentatie
Bewaar voor AI-ondersteunde beoordeling stabiele identificaties en voldoende omringende context. Onenigheid kan door versnipperde invoer komen, niet door een slechte vertaling. SRX schrijft geen contextvenster of tokenisatie voor.
Bronnen en verder lezen
De gearchiveerde specificatie heeft haar vermelde CC BY 3.0-voorwaarden; deze gids bevat eigen uitleg en voorbeelden.