EuroTermBank Toolkit: إدارة المصطلحات المفتوحة لقواعد البيانات الموحدة

1. المقدمة

اللغة ديناميكية، حيث تظهر مصطلحات جديدة وتتطور المصطلحات القائمة أو تصبح قديمة يوميًا. يشكل هذا التدفق المستمر تحديًا كبيرًا للمؤسسات التي تعتمد على مصطلحات دقيقة وحديثة، مثل المترجمين ومنشئي المحتوى ومطوري تطبيقات الذكاء الاصطناعي. غالبًا ما تواجه المؤسسات الفردية صعوبة في الحفاظ على مجموعات مصطلحاتها بسبب نقص أنظمة الإدارة المناسبة والممارسات الموحدة.

تتناول هذه الورقة هذه التحديات من خلال تقديم EuroTermBank Toolkit (ETBT)، وهو حل مفتوح لإدارة المصطلحات مصمم لتسهيل مشاركة وإدارة موارد المصطلحات عبر شبكة اتحادية من قواعد البيانات. تتيح مجموعة الأدوات للمنظمات إدارة مصطلحاتها، وإنشاء مجموعات، ومشاركتها داخليًا وخارجيًا، حيث تساهم البيانات المُدارة تلقائيًا في EuroTermBank، أكبر مورد مصطلحات متعدد اللغات في أوروبا.

2. مجموعة أدوات EuroTermBank (ETBT)

ETBT هو حل برمجي قائم على المعايير يسمح للمؤسسات بإنشاء عُقد إدارة المصطلحات الخاصة بها. يمكن لهذه العُقد العمل بشكل مستقل، لكنها مصممة للاتصال ومشاركة البيانات مع شبكة EuroTermBank الموحدة الأوسع.

3. التطبيقات في معالجة اللغة الطبيعية

تشكل المصطلحات عالية الجودة موردًا حاسمًا لمهام معالجة اللغة الطبيعية المختلفة، خاصة تلك التي تتضمن تعدد اللغات.

4. Federated Network & Data Sharing

يشكل النهج الموحد حجر الزاوية في استراتيجية ETBT. بدلاً من قاعدة بيانات مركزية واحدة، ينشئ شبكة من العقد المترابطة (انظر الشكل التوضيحي 2 في ملف PDF). تستضيف المؤسسات قواعد بيانات مصطلحاتها الخاصة (عقد موحدة) وتختار ما تشاركه مع الشبكة. يتم تجميع البيانات المشتركة في EuroTermBank المركزي، مما يخلق مورداً شاسعاً وحديثاً دائماً. يحفز هذا النموذج المشاركة من خلال السماح لأصحاب البيانات بالاحتفاظ بالسيطرة أثناء المساهمة في أصل جماعي.

5. Key Insights & Analysis

6. Technical Details & Mathematical Framework

بينما لا يتعمق ملف PDF في الشكلية الرياضية العميقة، يمكن صياغة المبدأ الأساسي لدمج المصطلحات في أنظمة مثل NMT كمشكلة تحسين. النهج الشائع هو تحيز توزيع مخرجات النموذج نحو المصطلحات المستهدفة في اللغة التي تُعد معادلات معروفة للمصطلحات المصدر الموجودة في المدخلات.

على سبيل المثال، خلال خطوة فك التشفير في نموذج NMT، يمكن تطبيق قيد مصطلحي. إذا كانت الجملة المصدر تحتوي على مصطلح $s_t$ له ترجمة معروفة $t_t$ في قاعدة بيانات المصطلحات، فإن التوزيع الاحتمالي للنموذج $P(y_i | y_{

$\log P'(y_i | ...) = \log P(y_i | ...) + \lambda \cdot \mathbb{1}(y_i = t_t)$

where $\mathbb{1}$ is the indicator function و $\lambda$ is a tunable hyperparameter controlling the strength of the constraint. More sophisticated methods involve constrained beam search أو specialized tagging of source terms (Dinu et al., 2019; Bergmanis & Pinnis, 2021b). The structured data from ETBT provides the reliable $(s_t, t_t)$ pairs necessary for these techniques.

7. Experimental Results & Chart Description

يشير ملف PDF إلى أعمال سابقة تثبت فعالية دمج المصطلحات ولكنه لا يقدم نتائج تجريبية جديدة لـ ETBT بذاتها. يستشهد بدراسات تظهر أن المصطلحات تعزز جودة الترجمة الآلية (Pinnis, 2015) وأعمال أكثر حداثة حول دمج المصطلحات في الأنظمة العصبية (Bergmanis and Pinnis, 2021b).

Chart Description (Based on PDF Figure 1 & 2):
الشكل 1 (العقد الموحدة المرتبطة بشبكة EuroTermBank الموحدة): من المرجح أن يصور هذا مخططًا مركزياً. المحور المركزي يحمل تسمية "EuroTermBank". وتمتد منه عقد متعددة، تمثل كل منها مؤسسة مختلفة (مثل "الجامعة أ"، "الشركة ب"، "الوكالة الحكومية ج"). خطوط تربط كل عقدة مؤسسية بالمحور المركزي، مما يمثل بصريًا الشبكة الموحدة حيث تغذي قواعد البيانات الفردية المورد المجمع.
الشكل 2 (تصوير مفاهيمي لشبكة EuroTermBank الموحدة): يُوصف هذا بأنه شكل مفاهيمي، يوضح على الأرجح تدفق البيانات والهيكل. من المحتمل أن يظهر إدارة المصطلحات المحلية التي تحدث داخل كل "عقدة" مؤسسية باستخدام برنامج ETBT. قد تشير الأسهم إلى تدفق بيانات المصطلحات المُدارة من هذه العقد المحلية إلى المستودع المركزي لـ EuroTermBank، وربما أسهم ثنائية الاتجاه توضح كيف يمكن للمستخدمين أو التطبيقات الاستعلام من الموارد المحلية والمركزية.

8. إطار التحليل: حالة مثال

السيناريو: تحتاج الوكالة الأوروبية للأدوية (EMA) إلى ضمان ترجمة متسقة لأسماء المواد الصيدلانية الجديدة (INNs) عبر جميع لغات الاتحاد الأوروبي في وثائقها التنظيمية.

تطبيق إطار عمل ETBT:

1. إعداد العقدة: تقوم الوكالة الأوروبية للأدوية (EMA) بنشر ETBT لإنشاء عقدة المصطلحات الخاصة بها.
2. تنظيم المصطلح: يقوم مصطلحيو وكالة الأدوية الأوروبية بإدخال مصطلحات الأسماء الدولية غير المسجلة الملكية الجديدة مع تعريفاتها وسياقاتها وترجماتها المعتمدة في 24 لغة من لغات الاتحاد الأوروبي.
3. إدارة المجموعات: يقومون بإنشاء مجموعة "الأسماء الدولية غير المسجلة الملكية الصيدلانية" داخل عقدتهم.
4. المشاركة الموحدة: تقوم وكالة الأدوية الأوروبية بتكوين هذه المجموعة لمشاركتها مع الشبكة الموحدة لبنك المصطلحات الأوروبي.
5. الأثر اللاحق:
   • داخلي: يستخدم مترجمو وكتّاب وثائق وكالة الأدوية الأوروبية العقدة المحلية عبر واجهة برمجة التطبيقات/الواجهة لضبط المصطلحات.
   • خارجي: يتم تجميع المصطلحات في EuroTermBank. يمكن لشركة ترجمة في بولندا الآن الوصول إلى الترجمة البولندية الرسمية لاسم دواء جديد عبر البوابة العامة لـ EuroTermBank.
   • تكامل الذكاء الاصطناعي: يمكن تكوين نظام NMT المستخدم لترجمة المستندات الطبية لاستخدام واجهة برمجة تطبيقات EuroTermBank، وتطبيق قيود لضمان ترجمة "Sacubitril" دائمًا بشكل صحيح، وليس نقله حرفيًا أو ترجمته بشكل خاطئ.

9. Future Applications & Development Directions

• نشر المصطلحات في الوقت الفعلي: تطوير آليات للتحديثات شبه الفورية من العقد الموحدة إلى التطبيقات المستهلكة (مثل أنظمة الترجمة الآلية، وأدوات الترجمة بمساعدة الحاسوب)، والانتقال من التحديثات المجمعة إلى نموذج البث.
• AI-Powered Terminology Extraction & Curation: دمج نماذج اللغة الكبيرة وأدوات استخراج المصطلحات غير الخاضعة للإشراف في سير عمل ETBT لمساعدة المصطلحيين البشريين في تحديد وتعريف مصطلحات جديدة من المجاميع النصية، مما يقلل الجهد اليدوي.
• Blockchain for Provenance & Trust: استكشاف تقنية السجلات الموزعة اللامركزية لتتبع منشأ كل مدخل مصطلح وتعديلاته وحالة الموافقة عليه بشكل لا يمكن تغييره، معالجةً فجوة الجودة والحوكمة. يمكن أن يخلق هذا "درجة ثقة" قابلة للتحقق لبيانات المصطلحات.
• المصطلحات عبر الوسائط: توسيع النموذج ليتجاوز النص لإدارة المصطلحات الموحدة للتعرف على الكلام (النماذج الصوتية) وحتى تسمية الصور/الفيديو (ربط المصطلحات بالمفاهيم البصرية)، لدعم الذكاء الاصطناعي متعدد الوسائط.
• التكامل العميق مع نماذج اللغة الكبيرة: استخدام شبكة المصطلحات الموحدة كقاعدة معرفية موثوقة لتأريض نماذج اللغة الكبيرة، ومنع هلوسة المصطلحات التقنية وتحسين أدائها في المجالات المتخصصة—وهو مفهوم يتماشى مع الأبحاث حول التوليد المعزز بالاسترجاع (RAG).

10. References

1. Arcan, M., et al. (2014). الاستفادة من موارد المصطلحات للترجمة الآلية الإحصائية في مجال الترجمة بمساعدة الحاسوب. وقائع LREC.
2. Arcan, M., et al. (2017). الترجمة الآلية الإحصائية لوثائق براءات الاختراع مع معالجة المصطلحات. وقائع المؤتمر الرابع عشر للجمعية الأوروبية للترجمة الآلية (EAMT).
3. Bergmanis, T., & Pinnis, M. (2021b). Dynamic Terminology Integration for Adaptive Neural Machine Translation. نتائج جمعية اللغويات الحاسوبية: EMNLP 2021.
4. de Gspert, A., et al. (2018). منصة Tilde MT للمترجمين المحترفين. وقائع المؤتمر الخامس عشر للجمعية الأوروبية للترجمة الآلية (EAMT).
5. Dinu, G., et al. (2019). تدريب الترجمة الآلية العصبية لتطبيق قيود المصطلحات. وقائع الاجتماع السنوي السابع والخمسين لجمعية اللغويات الحاسوبية.
6. Exel, M., et al. (2020). التنقيب عن الجمل الواعية بالمصطلحات لتكييف مجال الترجمة الآلية العصبية. وقائع المؤتمر السنوي الثاني والعشرين للجمعية الأوروبية للترجمة الآلية (EAMT).
7. Gornostay, T. (2010). إدارة المصطلحات في الاتحاد الأوروبي. وقائع المؤتمر الدولي الرابع عشر للجمعية الأوروبية للكسانوجرافيا (EURALEX).
8. Jon, R., et al. (2021). TermEval 2021: المهمة المشتركة حول الاستخراج الآلي للمصطلحات باستخدام مجموعة البيانات المعلّمة لأبحاث استخراج المصطلحات (ACTER). وقائع ورشة العمل الثامنة حول معالجة اللغة الطبيعية للترجمة بمساعدة الحاسوب (NLP4CAT).
9. Pinnis, M. (2015). Domain Adaptation for Statistical Machine Translation with Terminology Mining and Term Translation. أطروحة دكتوراه، جامعة لاتفيا.
10. Vasiljevs, A., & Borzovs, J. (2006). Towards Open و Dynamic Lexical و Terminological Resources. وقائع المؤتمر الدولي الخامس لتقييم موارد اللغة (LREC).
11. Vasiljevs, A., et al. (2008). EuroTermBank: Towards Greater Interoperability of Distributed Terminology Resources. وقائع المؤتمر الدولي السادس لتقييم موارد اللغة (LREC).
12. Verplaetse, H., & Lambrechts, J. (2019). Terminology Management in a Modern Translation Workflow. مجلة الترجمة المتخصصة، 31.
13. Zhu, J., et al. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. وقائع المؤتمر الدولي لمعهد مهندسي الكهرباء والإلكترونيات حول رؤية الحاسوب (ICCV). [مرجع خارجي حول هياكل التعلم الموحد/الدوري]
14. مؤسسة ويكيميديا. (2023). ويكي بيانات: إنشاء قاعدة معرفة عالمية مجانية وتعاونية ومتعددة اللغات. https://www.wikidata.org. [مرجع خارجي حول الحوكمة التعاونية للبيانات]