käännösaineistoa

Käännösaineistoa on termi, jota käytetään kuvaamaan kokoelmaa tekstiaineistoja, joita käytetään käännösten tutkimiseen, kehittämiseen tai harjoitteluun. Se kattaa sekä rinnakkaiset corpora (parallel corpora), joissa sama teksti on käännetty useaan kieleen ja jäsennelty riviveestein vastaaviin lauseisiin, että monikielisiä tai kaksikielisiä aineistoja, sekä monikielisiä käännöksiä ja käännösmuisteja. Käännösaineistoa hyödynnetään sekä kielenparien tutkimuksessa että koneellisen käännöksen (MT) ja tietokoneavusteisten käännösratkaisujen kehittämisessä.

Tyypillisiä käännösaineiston muotoja ovat rinnakkaiset corpora, joihin sisältyy alkuperäisteksti ja sen käännökset järjestettyinä rivi riviltä; alignoidut korporaatiot, joissa tekstit on ajoitettu vastaavuuteen lause- tai lausetason tasolla; kaksikieliset korporaatiot sekä käännösmuistot, joihin tallennetaan aiemmin tehtyjä käänöksiä ja niiden vastineita terminologian hallintaa varten. Lisäksi voidaan hyödyntää synteettisiä korporaatioita, jotka luodaan käännösten avulla tai käännetään tekstejä takaisin päin tutkimus- tai koulutustarkoituksiin. Aineistot voivat olla toimialakohtaisia tai yleisiä, ja ne voivat sisältää sekä sanastoa että rakenteellisia piirteitä.

Käyttötarkoitukset kattavat käännöstukien, MT-mallien ja terminologian kehittämisen, kielenparien tutkimisen sekä käännösprosessin koulutuksen. Käännösaineistoa hankitaan ja jaetaan sekä julkisesti saatavien että lisensoitu- tai ostoainestojen kautta. Oikeudelliset periaatteet, tietosuoja ja aineiston lähteiden jäljitettävyys ovat keskeisiä huomioita, erityisesti kun aineisto sisäilee tekstejä, joihin sovelletaan tekijänoikeuksia tai henkilötietoja.