2007an kaleratu genuen CorpEus, weba euskarazko corpus gisa kontsultatzea ahalbidetzen duen zerbitzua. CorpEus-ek Microsoft-en Windows Live Search bilatzailea (orain Bing deitzen dena) erabili izan du beti motor gisa, Google-ren APIaren baldintzek ezinezkoa egiten baitzuten berau erabiltzea. Baina Google-k berriki baldintzak aldatu ditu, eta orain CorpEus-ek aukera ematen du kontsultak Bing nahiz Google erabiliz egiteko.

Internet euskarazko corpus erraldoi bat balitz bezala kontsultatzeko aukera ematen du CorpEus-ek. Sartutako hitzaren (edo hitzen) lema bidezko bilaketa egiten du Interneteko euskarazko orrien artean, eta orri horietan dauden hitzaren agerpen guztiak erakusten ditu bere testuinguruan, hainbat daturen araberako grafikoekin batera.

Horrez gain, eskatutako hitzak aldaerak dituela detektatzen bada, bilaketa egiteaz gain, aldaerak proposatzen zaizkio erabiltzaileari, edo, eskatutakoa aldaera bada, forma estandarra. Eta erabiltzaileak hitz anbiguo edo ezezagun bat sartzen duenean, itzulitako analisien artean aukeratu dezake. Termino edo izen-sintagma osoen bilaketa lematizatua ere egin dezake, hitzak komatxo bikoitzen artean sartuz.

APIak integratzen

Hori guztia egiteko, Interneteko bilatzaileak erabili behar ditu CorpEus-ek ezinbestean, zehazki euren gainean hirugarrenek zerbitzuak eraikitzeko eskaintzen dituzten API edo funtzio-sortak. 2007an CorpEus kaleratu zenean, Microsoft-en Windows Live Search-en (gaur egun Bing gisa berbataiatutakoa) APIa erabiltzea erabaki zen, nahiz eta jakin jende gehienarentzat gustukoagoa eta hobea dela Google, bera zelako baldintza egokienak eskaintzen zituena: egunean 25.000 dei onartzen zituen eta deiko 50na emaitza itzuliz, 250. emaitzara arte kontsulta zitekeen. Google-k aldiz, bi API zituen: batak egunean 1.000 dei soilik onartzen zituen, deiko 10na emaitza itzultzen zituen soilik eta bertan behera uztekotan zen, eta besteak, nahiz eta dei mugarik ez izan, 8 emaitza besterik ez zituen itzultzen.

Berriki Google-n bigarren API horrek baldintzak aldatu ditu eta 64. emaitzara arte kontsultatu daiteke. Horregatik, CorpEus-en Google-ren APIa ere inplementatu dugu eta orain Bing edo Google erabiltzeko aukera dago. Zeren arabera erabaki zein erabili? Orokorrean, Google-k estaldura hobeagoa du eta orri gehiago ditu bere indizean, beraz egokiagoa da webean agerpen gutxi dituzten hitzak bilatzeko. Gerta daiteke zenbait hitzek Bing-en emaitzarik ez itzultzea edo emaitza oso gutxi itzultzea, eta posible da Google-k kasu horietan emaitza gehiago ematea. Aldiz, webean presentzia handia duten hitzen ahalik eta agerpen eta testuinguru gehien ikustea interesatzen bazaigu, Bing egokiagoa izan daiteke. Google erabilita lehenengo 64 emaitzetako agerpenak soilik erakuts daitezke eta Bing erabilita, aldiz, lehenengo 250 emaitzetakoak.

Erabilpen adibideak

CorpEusen erabilpen posible baten adibidea hor goiko lehen irudian dugu (egin klik han edo irudi handian, osorik ikusteko): energia lema bilatzeko eskatu diogu, Bing erabilita eta 250 orritako agerpenak bistaratzeko esanda (hitz arrunta eta webean presentzia handikoa denez, emaitza gehiago izango ditugu Bing erabilita, Google-k 64 orri itzultzen baititu gehienez). Ondoko hitzaren lemaren araberako grafikoa erakusteko eskatu diogunez, energia hitzarekin erabiltzen diren adjektibo, aditz eta izen ohikoenak agertuko zaizkigu grafikoan. Jarraian erakusten den irudian ikus daiteke nola kontsulta bera egiten badugu Google erabilita, askoz emaitza gutxiago ateratzen diren.

Gauza bera gertatzen da RSS bilatuta. Interneten presentzia handiko hitza denez, emaitza gehiago lortzen dira Bing erabilita Google erabilita baino. Irudietan, bilagaiaren ondoko hitzaren lemaren araberako grafikoak erakusten dira, RSS zein beste hitzekin konbinatzen den ikusteko.

Hurrengo bi irudiek, aldiz, kontrako kasua ilustratzeko balio dute, hitz batek webean presentzia txikia duenekoa alegia. lagingailu lema Bing erabiliz bilatzeko eskatuta, bost emaitza besterik ez ditu itzultzen; Google-k, aldiz, dezente gehiago, indizea handiagoa baitu.

Edo konparatu ditzakegu lagingailu hitzaren emaitzak sampler hitzarenekin. Bing nahiz Google erabilita, ikusten da emaitza gehiago dituela sampler hitzak, betiere Google-k dituelarik emaitza gehiago.

(Igor Leturia, Elhuyar I+G+B); Sustatu.com (2010-02-19)

Erabiltzaileak bidalitako itzulpen-memoriatik termino baliokideen bikoteak automatikoki erauzten dituen doako zerbitzua da ItzulTerm. Erabiltzaileak erauzketaren emaitzak lantzeko aukera du gainera, eta nahi dituen termino-bikoteak eskuratu ditzake hainbat erabileratarako: hiztegiak sortu, itzulpen-memorien sistema hobetu, itzulpen automatikoan erabili… Gainera, erauzketa automatikoaren emaitza hobetzeko eta emaitza lantzeko edizio-aukerak ere eskaintzen ditu zerbitzuak. ItzulTerm zerbitzuaren oinarrian, Elhuyar Fundazioaren I+G+B unitateak garatutako ELexBI tresna dago. ELexBI tresnak teknika linguistikoak eta estatistikoak konbinatzen ditu termino-bikoteak automatikoki erauzteko prozesuan.

Zerbitzuaren urrats nagusiak

ItzulTerm-en bitartez, erabiltzaileak bere itzulpen-memoriei etekina ateratzeko aukera izango du, hiru urratsetan: ‘Erauzketa automatikoa’, ‘Eskuzko lanketa’ eta ‘Esportazioa’. ItzulTerm-ek termino-bikoteak teknika linguistikoen eta estatistikoen bidez automatikoki erauztean datza ‘Erauzketa automatikoa’. ‘Eskuzko lanketa’n, aldiz, ItzulTerm-ek bere proposamenak lantzeko aukera eskaintzen du: baliozkotzat jotzeko edo baztertzeko, emaitzak editatzeko aukera aurreratuak… Azkenik, ‘Esportazioa’n, erabiltzaileak baliozkotzat jo dituen termino-bikoteak deskarga ditzake, neurrira egindako hiztegi elebidun bat osatzeko.

ItzulTerm proiektuak Eusko Jaurlaritzako Kultura Sailaren diru-laguntza jaso du 2007ko IKT deialdiaren barruan.

ItzulTerm tresna honako webgunean dago eskuragarri: http://itzulterm.elhuyar.org

Urriaren 17tik 18ra bitartean, itzulpen automatikoari buruzko jardunaldiak egin ziren Bartzelonan, Traducción automática: pasado, presente y futuro izenburupean. Jardunaldiak Proz.com itzulpen-webguneak antolatu zituen itzultzaileei begira —itzultzaile autonomoei begira, batik bat—, eta hizlari batzuek informazio teknikoa ere eman zuten arren, jardunaldiak ez zeuden teknikarientzat eta informatikarientzat pentsatuta.

Hizlari guztiek azpimarratu zuten familia bereko hizkuntzen artean edo asko landu diren hizkuntza-bikoteen artean (ingelesetik hizkuntza nagusi askotara) eta, batik bat, jakintza-arlo mugatuetan ematen dituela emaitzarik onenak itzulpen automatikoak.

Hori kontuan hartuta, beraz, euskara eta hizkuntza ‘txiki’ gehienak urruti daude oraindik itzulpen automatiko bidez itzulpen fidagarriak lortzeko helburutik, baina argi geratu zen baita ere itzulpen automatikoa etorri badatorrela, hementxe dagoela dagoeneko, eta itzultzaileok, haren beldur izan ordez, haren abantailak baliatu behar ditugula eta, horretarako, ikasi beharrekoak ikasi behar ditugula, gure lanari ahalik eta etekinik handiena ateratzeko, kalitate aldetik nahiz irabazi ekonomikoen aldetik (garai batean, itzulpen-memoriekin lan egiten ikasi behar izan genuen bezalaxe).

Hementxe dituzue hizlari guztiak eta haien aurkezpenak:

1. Diego Bartolomé: itzulpen automatikoko Ta with you enpresako teknikaria. Aliarse para ganar con la traducción automática izenburuko aurkezpenaren arabera (bloga ingelesez dago, baina estekan sartuz gero, Power Pointa gaztelaniaz dagoela ikusiko duzue), etorkizunean itzulpen klasikoa, itzulpen-memoriak, itzulpen automatikoa, postedizioa (zuzenketa) eta crowdsourcing-a uztartuko ditu itzultzailearen lanak.
2. Marco Cevoli eta Sergio Alasia: Qabiria itzulpen- eta aholkularitza-enpresaren sortzaileak. Itzultzaileek itzulpen automatikoari buruz dituzten aurreiritzi asko albo batera utzi beharraz eta itzulpen automatikoak itzultzaileentzat dituen abantaila ekonomikoez aritu ziren, batik bat Machine translation and freelance translators: a difficult relationship. Hitzaldia gaztelaniaz eman zuten, baina testua ingelesez zuten idatzia (bide batez, aurkezpen ikusgarria egin zuten, Prezi izeneko programa baten bidez prestatutako hitzaldiarekin).
3. José B. Mariño Acebal: Kataluniako Unibertsitate Politeknikoko Telekomunikazio Katedraduna eta TALP Center for Language and Speech Technologies and Applications ikerketa-zentroko ikertzailea. Hizketa-teknologia da Mariñoren ikerketa-esparrua, eta alor horretan itzulpen automatikoak duen garrantziaz aritu zen, besteak beste.
   
4. Rubén de la Fuente: Itzultzaile teknikoa eta itzulpen-irakaslea Alfonso X unibertsitatean. Bi hitzaldi eman zituen jardunaldietan: lehenengoa, larunbatean, Taller de traducción automática: Comparativa de sistemas de TA izenburupean. Hainbat sistema konparatu zituen eta, azkenik, ondorioa: itzultzaileon lanbidearen etorkizuna itzulpen automatikoa, itzulpen-memoriak eta datu-base terminologikoak uztartzea izango omen da. Igandean, berriz, itzulpen-tresnez aritu zen Translation environment tools, TEnT, eta hainbat sistema konparatu zituen.
5. Xosé Castro: Itzultzaile eta zuzentzailea eta itzulpen- eta zuzenketa-irakaslea; hizkuntzalaritzari eta itzulpengintzari buruzko hainbat liburutan parte hartu du, eta Cervantes institutuko zentro birtualeko kolaboratzailea da. Itzultzaileek Word testu-prozesatzailearen baliabide guztiak erabiltzen jakin beharko genukeela defendatu zuen, eta programa hori menderatzeko hainbat argibide praktiko eman zituen.
   

Igande arratsaldean, Trados 2009 bertsioa aurkeztu zuten eta, azkenik, jardunaldietan parte hartu zuten hizlari guztien arteko mahai-inguruarekin amaitu zen lan-saioa.

Idoia Santamaria

Aurkezpen-ekitaldian honako pertsona hauek hartu zuten parte: Itziar Nogeras Elhuyar Fundazioko zuzendari nagusiak, Iñaki Goirizelaia Euskal Herriko Unibertsitateko errektoreak, Antton Gurrutxaga hiztegiaren zuzendariak eta Elias Atutxa Euskadiko Kutxako zuzendari nagusiak.

Ekitaldiari amaiera emateko, gerturatu diren ia berrehun lagunek aukera izan zuten Joan Mari Irigoienek bereziki prestatu zuen ipuina entzuteko.

Hiztegi entziklopediko mardula da, 1.800 orrialdekoa. ”200 aditu baino gehiago horrelako proiektu batetarako biltzea ohore bat izan da guretzako, eta elkarlan hau bai proiektua berarentzat eta baita egileentzat oso aberasgarria izan da”, adierazi digu Antton Gurrutxagak.

Duela zortzi urte hasi zen Elhuyarko talde bat Elhuyar zientzia eta teknologiaren hiztegi entziklopedikoa lantzen, helburu zehatz batekin: “Zientzia eta teknologiari buruzko oinarrizko erreferentzia-informazio fidagarri, landu eta eguneratua eskaintzea, modu zehatz, argi eta ulergarrian, eta erabiltzaile-multzo zabala gogoan izanik”. Duela lau urte, proiektuak jada bazuen forma bat, eta zientzia eta teknologiaren 50 jakintza-arlotako adituak hasi ziren batzen proiektura, hasierako helburu harekin bat eginez.

Egileon ustean, helburu hori lortu da: hiztegiak biltzen dituen jakintza-arlo guztietako 23.000 kontzeptuetan zehar islatzen da hori. Gaien gaurkotasunari garrantzi berezia eman zaio, eta zientziari eta teknologiari buruzko informazio orokorra behar duen ororentzat da obra interesgarria: DBHko, Batxilergoko eta Lanbide Heziketako ikasle eta irakasleak, kazetariak, gurasoak…

Proiektu honetan lanean aritu diren adituak arlo desberdinetako kontzeptuak hautatzen, haien definizioak osatzen eta artikulu entziklopedikoak sortzen ibili dira, besteak beste. Arlo horiek guztiak sei multzo handitan biltzen ditu hiztegi entziklopedikoak: zientzia zehatzak, materiaren eta energiaren zientziak, lurraren zientziak, biziaren eta osasunaren zientziak, teknologia eta, azkenik, orokorrak. Kontzeptuak lantzeko hainbat kontsulta-iturri erabili dira, euskarazkoak zein beste hizkuntzetakoak (nagusiki, ingelesezkoak, gaztelaniazkoak eta frantsesezkoak).

Hiztegiaren ezaugarriak:

• 23.000 kontzeptu, beren definizioekin eta dagozkien erdal terminoekin (ingelesezkoa, gaztelaniazkoa eta frantsesezkoa).
• Erdara-euskara termino-zerrendak: ingelesa-euskara, gaztelania-euskara eta frantsesa-euskara
• 1.500 irudi
• 607 artikulu entziklopediko
• Zientzia zehatzak, materiaren eta energiaren zientziak, lurraren zientziak, biziaren eta osasunaren zientziak, teknologia eta orokorrak.
• CD-ROM euskarria liburuarekin batera

Elhuyar Zientzia eta Teknologiaren Hiztegi Entziklopedikoa erosteko Elhuyarren dendatik egin dezakezue %5eko deskontuarekin. Erosi aurretik entziklopediaren lagina ikusi nahi baduzue hemen duzue aukera.

a) hamasei eta hirurogeita lau urte arteko biztanleakb) hamaseitik hirurogeita

b) lau urtera bitarteko biztanleak

EIZIEren 2tzul blogean Elhuyarko kide den Patxi Petrirenak idatzitako lana duzue irakurgai eta zuen iritziak emateko aukera ere baduzue bertan.

Blogaren estrainaldian Patxi Petrirenak Koloreak izeneko lana ere argitaratu zuen iazko azaroan.

 

 AnHitz proiektua hizkuntza-, ahots- eta ikus- teknologien inguruko ikerketa estrategikoko proiektua da. 2006-2008 urteen artean VICOMTech, Elhuyar Fundazioa, IXA Taldea, Aholab Taldea eta Robotiker arlo horietan ikertzen aritu dira. Proiektuaren amaieran demostrazioko aplikazio bat muntatu zuten, AnHitz izenekoa hau ere, teknologia ezberdin horien integrazioaren ahalmenen erakusle.

 

AnHitz 3D avatar emoziodun bat da, euskaraz hitz egiten duena eta euskaraz ulertzeko gai dena, eta zientzia eta teknologian aditua. Gai horien inguruko galderak erantzun ditzake, edo gai horietako termino bilaketa eleanitza egin eta emaitzak automatikoki euskarara itzuli.

Urriaren 12tik 14ra Poloniako Mrągowo herrian IMCSIT multikonferentzia egin da, herrialde horretako IKTen inguruko kongresu nagusia, eta horren barruan egin da hizkuntza-teknologiei buruzko CLA’09 nazioarteko workshop-a. Bertan 15 aplikazio erakutsi ziren; tartean AnHitz aurkeztu zuen Elhuyar Fundazioko Igor Leturiak. Eta AnHitz-ek bi sari eraman zituen: informazio-bilaketako aplikaziorik onena eta workshop guztiko aplikaziorik onena.

 

Informazio gehiago:

• Sariaren arira Euskadi Irratiko Amaraunean saioan elkarrizketa egin diote Igor Leturiari, hemen duzue entzungai.
• Kongresuaren amaierako balorazioa hemen duzue irakurgai.
• Aurkeztutako artikulua: Development and Evaluation of AnHitz, a Prototype of a Basque-Speaking Virtual 3D Expert on Science and Technology.