EuroTermBank Toolkit: Federasyon Veritabanları için Açık Terminoloji Yönetimi

1. Giriş

Dil dinamiktir; her gün yeni terimler ortaya çıkar, mevcut olanlar evrilir veya kullanımdan kalkar. Bu sürekli değişim, çevirmenler, içerik üreticileri ve Yapay Zekâ (AI) uygulamaları geliştiricileri gibi doğru ve güncel terimlere bel bağlayan kurumlar için önemli bir zorluk teşkil eder. Tek tek kuruluşlar, uygun yönetim sistemleri ve standartlaştırılmış uygulamaların eksikliği nedeniyle kendi terim koleksiyonlarını sürdürmekte genellikle zorlanır.

Bu makale, söz konusu zorlukları EuroTermBank Toolkit (ETBT), federasyon yapısındaki bir veritabanı ağı üzerinden terminoloji kaynaklarının paylaşımını ve yönetimini kolaylaştırmak için tasarlanmış açık bir terminoloji yönetim çözümü olan'ı sunarak ele almaktadır. Araç seti, kuruluşların terimlerini yönetmelerine, koleksiyonlar oluşturmalarına ve bunları hem dahili hem de harici olarak paylaşmalarına olanak tanır; düzenlenen veriler otomatik olarak Avrupa'nın en büyük çok dilli terminoloji kaynağı olan EuroTermBank'a katkıda bulunur.

2. EuroTermBank Toolkit (ETBT)

ETBT, kuruluşların kendi terim yönetimi düğümlerini oluşturmasına olanak tanıyan standart tabanlı bir yazılım çözümüdür. Bu düğümler bağımsız olarak çalışabilir, ancak daha geniş EuroTermBank Federasyon Ağı ile bağlantı kurmak ve veri paylaşmak üzere tasarlanmıştır.

3. Doğal Dil İşlemede Uygulamalar

Yüksek kaliteli terminoloji, çeşitli NLP görevleri, özellikle de çok dillilik içerenler için kritik bir kaynaktır.

4. Federated Network & Data Sharing

Federatif yaklaşım, ETBT'nin stratejisinin temel taşıdır. Tek, merkezi bir veritabanı yerine, birbirine bağlı düğümlerden oluşan bir ağ oluşturur (PDF'deki kavramsal Şekil 2'ye bakınız). Kurumlar kendi terminoloji veritabanlarını (federatif düğümler) barındırır ve ağ ile ne paylaşacaklarını seçer. Paylaşılan veriler, merkezi EuroTermBank'ta toplanarak geniş, her zaman güncel bir kaynak oluşturur. Bu model, veri sahiplerinin kontrolü elinde tutarken ortak bir varlığa katkıda bulunmalarına izin vererek katılımı teşvik eder.

5. Key Insights & Analysis

6. Technical Details & Mathematical Framework

PDF derin matematiksel formalizme girmese de, NMT gibi sistemlerde terminoloji entegrasyonunun altında yatan ilke bir optimizasyon problemi olarak çerçevelenebilir. Yaygın bir yaklaşım, modelin çıktı dağılımını, girdide bulunan kaynak terimlerin bilinen eşdeğerleri olan hedef dil terimlerine doğru yönlendirmektir.

Örneğin, bir NMT modelinin kod çözme adımı sırasında bir terminoloji kısıtlaması uygulanabilir. Kaynak cümle, terminoloji veritabanında bilinen bir çevirisi $t_t$ olan bir $s_t$ terimi içeriyorsa, modelin olasılık dağılımı $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 ve $\lambda$ is a tunable hyperparameter controlling the strength of the constraint. More sophisticated methods involve constrained beam search veya 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

PDF, terminoloji entegrasyonunun etkinliğini gösteren önceki çalışmalara atıfta bulunur ancak ETBT'nin kendisi için yeni deneysel sonuçlar sunmaz. Terminolojinin MT kalitesini artırdığını gösteren çalışmaları (Pinnis, 2015) ve terminolojinin sinirsel sistemlere entegrasyonu üzerine daha yeni çalışmaları (Bergmanis ve Pinnis, 2021b) aktarır.

Chart Description (Based on PDF Figure 1 & 2):
Şekil 1 (EuroTermBank Federated Network'a bağlı federatif düğümler): Bu büyük olasılıkla bir merkez-çevre diyagramını tasvir eder. Merkezi merkez "EuroTermBank" olarak etiketlenmiştir. Ondan yayılan, her biri farklı bir kurumu temsil eden (örn. "Üniversite A", "Şirket B", "Devlet Kurumu C") birden fazla düğüm bulunur. Çizgiler, her kurumsal düğümü merkezi merkeze bağlayarak, bireysel veritabanlarının toplu kaynağa aktığı federatif ağı görsel olarak temsil eder.
Şekil 2 (EuroTermBank Federated Network'un kavramsal bir tasviri): Bu, veri akışını ve mimariyi muhtemelen gösteren kavramsal bir şekil olarak tanımlanır. Büyük olasılıkla her bir kurumsal "düğüm" içinde ETBT yazılımı kullanılarak gerçekleşen yerel terminoloji yönetimini gösterir. Oklar, düzenlenmiş terminoloji verilerinin bu yerel düğümlerden merkezi EuroTermBank deposuna akışını ve potansiyel olarak kullanıcıların veya uygulamaların hem yerel hem de merkezi kaynakları nasıl sorgulayabileceğini gösteren çift yönlü okları gösterebilir.

8. Analiz Çerçevesi: Örnek Vaka

Senaryo: Avrupa İlaç Ajansı (EMA), düzenleyici belgelerinde yeni farmasötik madde isimlerinin (INN) tüm AB dillerinde tutarlı şekilde çevrilmesini sağlamalıdır.

ETBT Çerçevesi Uygulaması:

1. Düğüm Kurulumu: EMA, kendi terminoloji düğümünü oluşturmak için ETBT'yi konuşlandırır.
2. Terim İşleme: EMA terminologları, 24 AB dilinde tanımlar, bağlamlar ve onaylanmış çevirilerle yeni INN terimlerini girer.
3. Koleksiyon Yönetimi: Kendi düğümleri içinde bir "İlaç INN'leri" koleksiyonu oluştururlar.
4. Federatif Paylaşım: EMA, bu koleksiyonu EuroTermBank Federated Network ile paylaşılacak şekilde yapılandırır.
5. Aşağı Akım Etkisi:
   • Dahili: EMA çevirmenleri ve belge yazarları, tutarlı terminoloji için API/arayüz aracılığıyla yerel düğümü kullanır.
   • Harici: Terimler EuroTermBank'ta toplanmıştır. Polonya'daki bir çeviri şirketi artık yeni bir ilaç adının resmi Lehçe çevirisine EuroTermBank'ın kamu portalı üzerinden erişebilir.
   • Yapay Zeka Entegrasyonu: Tıbbi belgeleri çevirmek için kullanılan bir NMT sistemi, "Sacubitril"in her zaman doğru çevrildiğinden, translitere edilmediğinden veya yanlış çevrilmediğinden emin olmak için kısıtlamalar uygulayarak EuroTermBank API'sini kullanacak şekilde yapılandırılabilir.

9. Future Applications & Development Directions

• Gerçek Zamanlı Terminoloji Yayılımı: Toplu güncellemelerden bir akış modeline geçerek, federasyon düğümlerinden tüketim uygulamalarına (örn. MT sistemleri, CAT araçları) neredeyse anlık güncellemeler için mekanizmalar geliştirmek.
• AI-Powered Terminology Extraction & Curation: ETBT iş akışına Büyük Dil Modellerini ve denetimsiz terim çıkarma araçlarını entegre ederek, insan terminologlarının derlemlerden yeni terimleri belirlemesine ve tanımlamasına yardımcı olmak ve manuel çabayı azaltmak.
• Blockchain for Provenance & Trust: Her bir terim girişinin kökenini, düzenlemelerini ve onay durumunu değiştirilemez şekilde izlemek için merkezi olmayan defter teknolojisini keşfetmek; kalite ve yönetişim açığını ele almak. Bu, terminoloji verileri için doğrulanabilir bir "güven puanı" oluşturabilir.
• Çok Modlu Terminoloji: Modeli metnin ötesine genişleterek, konuşma tanıma (akustik modeller) ve hatta görüntü/video etiketleme (terimleri görsel kavramlara bağlama) için standartlaştırılmış terminolojiyi yönetmek; çok modlu yapay zekayı desteklemek.
• Büyük Dil Modelleriyle Derin Entegrasyon: Federasyonlu terminoloji ağını, Büyük Dil Modellerini temellendirmek için güvenilir bir bilgi tabanı olarak kullanmak; teknik terimlerin halüsinasyonunu önlemek ve özel alanlardaki performanslarını iyileştirmek—bu, geri getirme ile güçlendirilmiş üretim (RAG) araştırmalarıyla uyumlu bir kavramdır.

10. References

1. Arcan, M., vd. (2014). CAT Alanında İstatistiksel Makine Çevirisi için Terminoloji Kaynaklarından Yararlanma. LREC Bildiriler Kitabı.
2. Arcan, M., vd. (2017). Terminoloji İşleme ile Patent Belgeleri için İstatistiksel Makine Çevirisi. Avrupa Makine Çevirisi Birliği 14. Konferansı (EAMT) Bildiriler Kitabı.
3. Bergmanis, T., & Pinnis, M. (2021b). Dynamic Terminology Integration for Adaptive Neural Machine Translation. Hesaplamalı Dilbilim Derneği Bulguları: EMNLP 2021.
4. de Gspert, A., vd. (2018). Profesyonel Çevirmenler için Tilde MT Platformu. Avrupa Makine Çevirisi Birliği 15. Konferansı (EAMT) Bildiriler Kitabı.
5. Dinu, G., vd. (2019). Sinirsel Makine Çevirisine Terminoloji Kısıtlamaları Uygulama Eğitimi. 57. Hesaplamalı Dilbilim Derneği Yıllık Toplantısı Bildiriler Kitabı.
6. Exel, M., vd. (2020). NMT Alan Uyarlaması için Terminoloji Bilgili Cümle Madenciliği. 22. Avrupa Makine Çevirisi Derneği (EAMT) Yıllık Konferansı Bildiriler Kitabı.
7. Gornostay, T. (2010). Avrupa Birliği'nde Terminoloji Yönetimi. 14. EURALEX Uluslararası Kongresi Bildiriler Kitabı.
8. Jon, R., vd. (2021). TermEval 2021: Terminoloji Çıkarım Araştırmaları için Açıklamalı Derlem (ACTER) Veri Kümesi Kullanılarak Otomatik Terim Çıkarımı Paylaşımlı Görevi. Bilgisayar Destekli Çeviri için Doğal Dil İşleme 8. Çalıştayı (NLP4CAT) Bildiriler Kitabı.
9. Pinnis, M. (2015). İstatistiksel Makine Çevirisi için Alan Uyarlaması: Terim Madenciliği ve Terim Çevirisi ile. Doktora Tezi, Letonya Üniversitesi.
10. Vasiljevs, A., & Borzovs, J. (2006). Towards Open ve Dynamic Lexical ve Terminological Resources. 5. Uluslararası Dil Kaynakları ve Değerlendirme Konferansı (LREC) Bildiriler Kitabı.
11. Vasiljevs, A., ve diğerleri. (2008). EuroTermBank: Dağıtık Terminoloji Kaynaklarının Daha Büyük Birlikte Çalışabilirliğine Doğru. 6. Uluslararası Dil Kaynakları ve Değerlendirme Konferansı (LREC) Bildiriler Kitabı.
12. Verplaetse, H., & Lambrechts, J. (2019). Terminology Management in a Modern Translation Workflow. The Journal of Specialised Translation, 31.
13. Zhu, J., vd. (2017). Döngü Tutarlı Çekişmeli Ağlar Kullanılarak Eşleştirilmemiş Görüntüden Görüntüye Çeviri. IEEE Uluslararası Bilgisayarlı Görü Konferansı (ICCV) Bildiriler Kitabı. [Federe/döngüsel öğrenme yapıları üzerine harici referans]
14. Wikimedia Vakfı. (2023). Wikidata: Dünyanın bilgisinin özgür, işbirlikçi, çok dilli bir veritabanını oluşturmak. https://www.wikidata.org. [İşbirlikçi veri yönetişimi üzerine harici referans]