Dlaczego segmentacja wpływa na ponowne użycie
W tłumaczeniu często pracuje się na fragmentach, a nie całym dokumencie naraz. Jeżeli dwa narzędzia dzielą tę samą treść inaczej, trudniej dopasować i ponownie wykorzystać wcześniejsze jednostki.
Rozważmy angielskie „Dr. Patel opened the file. It was empty.” Prosty podział po każdej kropce utworzy niepożądaną granicę po tytule. Listy, skróty, liczby i formatowanie tworzą kolejne przypadki wymagające obsługi.
Nie chodzi o własną regułę dla każdego dokumentu. Chodzi o zrozumienie założeń segmentacji zasobu przed przypisaniem niedopasowania samym tłumaczeniom.
Przykładowe sprawdzenie zgodności działania
Proponujemy krótki korpus z częstymi skrótami, numerowanymi instrukcjami, cytatami i interpunkcją rzeczywistego języka źródłowego. Przetwórz go w środowisku wyjściowym i docelowym, porównując granice segmentów.
Ustal, czy różnice pochodzą z reguły, filtra dokumentu czy ustawienia narzędzia. Zachowaj korpus do testów regresji przy przyszłych migracjach.
To wskazówki redakcyjne, nie formalna procedura potwierdzania zgodności ze specyfikacją.
Związek z LISA i późniejszymi archiwami
SRX należy bezpośrednio do dorobku LISA i uzupełnia wymianę pamięci tłumaczeniowych. Rejestr ETSI oznacza późniejsze prace SRX jako zatrzymane. Archiwum Unicode ULI omawia interoperacyjność, ale wyraźnie informuje o rozwiązaniu podkomitetu w 2020 r. Żadnego z archiwów nie należy przedstawiać jako aktywnego opiekuna SRX. Rejestr ETSI, Unicode ULI.
AI i segmentacja
Przy ocenie wspomaganej przez AI zalecamy zachowanie stałych identyfikatorów i kontekstu wystarczającego do interpretacji segmentu. Rozbieżność może wynikać z fragmentarycznego wejścia, nie złego przekładu. SRX nie określa okna kontekstowego ani tokenizacji modelu.
Źródła i dalsza lektura
Archiwalna specyfikacja jest dostępna na wskazanych w niej warunkach CC BY 3.0; to opracowanie zawiera autorskie objaśnienia i przykłady.