N-grams in meaning translation model of fiction: cognitive and semantic intersection

Abstract

The nature of meaning remains the most elusive and certainly the most interesting of the unsolved problems in the translation theory. The increasing challenges of textual data understanding are daunting. Fiction, as a form of personalization of cognized reality, has thrived a necessity for unpacking context-bound knowledge representations. Tools for digital textual analysis provide us with significant information on various aspects. Words, their order, sequence and frequency are not just arbitrary correlations of tokens. They are meaningful data and shape the author’s and translator’s cognitive and literary profiles. Meaning-oriented studies in philology, especially digital humanities, are promising, though rarely addressed from the translation studies perspective. The purpose of the current elaboration is to use digital tools for extracting the anchored meaning of a text. One of the possible ways to evaluate the proximity of source text meaning and target text meaning is secured by n‑gram contrasting. The 5-gram and 6-gram units of meaning as embedded in parallel translation corpora are analysed. It allows us to develop and try out an alternative (M)eaning (T)ranslation (M)odel while embracing multilingual or multi-version translations as a tool. Incorporated is the Sketch Engine text processor. Presented in the current paper is a pre-modeling stage. The paper layout is organized in the following way. Section 2 offers insights into related work on the issue of cognition, translation studies and computer advances toward this task. Section 3 reviews the methods and offers a dataset description. We also briefly depict n-gram functions and typology. After that, in Section 4 we discuss the frame for the cognitive and semantic realization of data under analysis. Section 5 reveals the results and illustrates the findings. Section 6 concentrates on the discussion and further possibilities of the subsidized cognized meaning units. Section 8 concludes the research elaborations.

Природа смислу залишається найбільш невловимою і, звичайно, найцікавішою з невирішених проблем у теорії перекладу. Посилення питань розуміння текстових даних потребують додаткової уваги. Художня література, як форма персоналізації пізнаваної реальності, породила потребу в тлумаченні контекстно-зумовлених репрезентацій знань. Інструменти цифрового текстового аналізу надають різноаспектну інформацію, здебільшого статистичну. Слова, їх порядок, послідовність і частотність – це не просто довільний набір, співвідношення та розташування лексем. Вони є значущими даними й формують когнітивні та літературні профілі автора і перекладача. Смисло-орієнтовані дослідження у філології, особливо цифровій гуманітаристиці, є перспективними, хоча їх рідко вивчають з перекладознавчого погляду. Метою цієї праці є використання цифрових інструментів для вилучення закріпленого смислу тексту. Одним із можливих способів оцінки та аналізу близькості смислу тексту оригіналу та смислу тексту перекладу є застосунок n-грам зіставлення. Проаналізовано 5- і 6-грамні одиниці смислу, вбудовані в корпуси паралельного перекладу. Це дозволяє розробити та випробувати альтернативну (С)мислову (М)одель (П)ерекладу, використовуючи багатомовні або багатоверсійні переклади як інструмент. Залучено текстовий процесор Sketch Engine. Представлений у цій статті етап попереднього моделювання. Роботу організовано таким чином: Розділ 2 пропонує критичний аналіз праць, пов’язаних з питаннями пізнання, перекладознавства та комп’ютерних можливослей у цьому завданні. Розділ 3 розглядає методи та пропонує опис набору даних. Також коротко описуємо функції та типологію n-грам. Після цього в Розділі 4 обговорюємо робочі межі для когнітивної та семантичної реалізації аналізованих даних. Розділ 5 охоплює результати та ілюструє висновки. Розділ 6 зосереджено на обговоренні та подальших можливостях отриманих одиниць пізнаваного значення. Розділ 8 підсумовує наукові розробки.