Browsing by Author "Nurmi, Tiia"

Neuroverkkoihin pohjautuva konekääntäminen (NMT) valtaa käännösalaa yhä enemmän ja enemmän, sillä tekoälyä ja syväoppimista hyödyntämällä konekääntimet voivat oppia tuottamaan yhä parempaa käännösjälkeä. Vaikka konekääntimet tuottavat suurilta osin hyvin ymmärrettävää käännösjälkeä, konekäännökset ovat yhä kaukana täydellisestä. Käännöksissä esiintyy vaihtelevasti erilaisia käännösvirheitä, useimmiten esimerkiksi paljon sanatarkkoja käännöksiä ja sanastovirheitä. Konekäännin ei välttämättä osaa valita kontekstiin sopivaa käännösvastinetta, se voi jättää joitain sanoja tai tarvittavaa tietoa pois käännöksestä sekä myös lisätä konekäännökseen sellaista tietoa tai ilmaisuja, mitä lähtötekstissä ei mainita. Pahimmillaan käännösvirheiden vuoksi koko käännöksen merkitys voi muuttua. Maisterintutkielmassani tarkastelen kahden neuroverkkopohjaisen konekääntimen, DeepL:n ja FISKMÖ:n tekemiä käännösvirheitä. Tavoitteeni on selvittää millaisia virheitä konekääntimet tekevät ja missä määrin virheitä konekäännöksissä esiintyy. Virheanalyysin avulla voidaan tarkastella käännöksen laatua. Aineistona tutkielmassani käytän korkoihin liittyviä talouden erikoisalatekstejä. Analyysin perusteella voidaan todeta, että konekäännöksissä esiintyy eniten kielen käyttöön liittyviä kielivirheitä, DeepL:n käännöksissä 30 kpl ja FISKMÖ:n käännoksissä 38 kpl, yhteensä siis 68 kpl. Semanttisia virheitä käännöksissä esiintyi vähemmän, yhteensä 45 kpl, joista 18 kpl DeepL:n käännöksissä ja 27 kpl FISKMÖ:n tuottamissa käännöksissä.