Russian Learner Translator Corpus (Russian LTC) или Корпус учебных переводов - это доступная для скачивания коллекция студенческих переводов в паре английский-русский (оба направления).

Разработка корпуса началась в 2011 сотрудниками кафедры перевода и переводоведения ТюмГУ. К 2014 году при поддержке компьютерных лингвистов из Высшей школы экономики (Москва) корпус превратился в полноценный публичный ресурс с собственным веб интерфейсом, статистическим сервисом и системой разметки переводческих ошибок. В 2017 исследовательский проект, отчасти основанный на данных RusLTC, получил поддержку РФФИ (проект No 17-06-00107 «Лингвистические признаки русскоязычного переводного дискурса: дескриптивные нормы и оценка качества текста»

English

В корпус включаются переводы, выполненные студентами специальности «Перевод и переводоведение» и дополнительной квалификация «Переводчик в сфере профессиональной коммуникации» (очное и очно-заочное отделения), направлений подготовки бакалавриата «Лингвистика» (вид деятельности: переводческая), а также переводы, представленные к участию в нескольких российских конкурсах перевода. RusLTC содержит переводы студентов из 14 российских вузов (НГЛУ, МГУ, ПГНИУ, УдГУ, СГУ, ЧелГУ, КГПУ им. В.П Астафьева и др). Все переводы анонимизированы. Об авторе перевода хрянятся только общие сведения: пол, курс, форма обучения, год выполнения перевода, которые включены в дополнительные параметры поиска на главной странице корпуса.

Корпус пополняется два раза в год, и по состоянию на 16 октября 2018 года его общий объем составляет более 2,3 млн словоупотреблений. Общее количество английских оригиналов - 402, русских оригиналов - 125. Количество переводов к каждому из них варьирует от 1 до 67 и в среднем составляет 8. Чаще всего студенты переводя предложенные фрагменты оригинала: средняя длина переводов на русский язык составляет 380 слов. Более подробную информацию о статистических параметрах корпуса, которая обновляется в режиме реального времени, можно получить по адресу: https://dev.rus-ltc.org/statistics/

Корпус существует в двух форматах. Во-первых, он представляет собой коллекцию соотнесенных по именам файлов оригиналов и их (нескольких) переводов, а во-вторых тот же материал существует в двуязычном формате TMX: как стуктура, в которой к каждому предложению оригинала привязаны все его переводы. С сентября 2018 года поисковой интерфейс RusLTC основан на корпусном менеджере Тимофея Архангельского Tsakorpus. Он позволяет строить лексические, лексикограммитические и лемматизированные запросы, проводить поиск в оригиналах или переводах, а в результатах отображать все, связанные с исходным, предложения на другом языке. Кроме того, можно проводить поиск по более однородной группе текстов, сформировав подкорпус по метаданным о переводчике, о тексте оригинала и о ситуации перевода (кнопка Select Subcorpus). Полный список метаданных включает 10 параметров (для некоторых текстов тот или иной вид данных может отсутствовать): пол переводчика, вид и ступень образовательной программы, оценка за перевод, год и условия выполнения перевода (дома/в классе; экзамен/текущий перевод/конкурс), жанр оригинала, университет. Все оригиналы в корпусе отнесены к одной из следующих жанрово-регистровых разновидностей: информационный, публицистический, научный, научно-популярный, художественный, речь, письмо, реклама (см. рисунок справа, отображающий жанровое распределение текстов в корпусе).

Например, можно определить отличается ли частотность бытийных глаголов "существовать, быть, являться, иметься" в переводах начинающих переводчиков и старшекурсников. Действительно ли в более высоко оцененнных переводах меньше указательных местоимений, а "enjoy" и "everyone" это необязательно "наслаждаться" и "каждый"? Характерна ли для студентов тенденция калькировать типичные английские способы выражения эпистемической модальности I think, I believe? Небезынтересно взглянуть на аналитические пассивы в переводном русском языке - их образуют от самых неожиданных глаголов! Часто ли "на самом деле", "однако" и "кроме того" добавлены переводчиком для экспликации логических связей между частями текста? Удаётся ли студентам преодолеть влияние оригинала и уйти от буквальных способов перевода инфинитива в функции определения (N+to+V) или в функции сопутствующего обстоятельства (в русскоязычных переводах: ", чтобы V"?

Результаты поиска можно сохранить в виде файла в формате csv.

Корпус преимущественно используется для исследований в области вариативности и качества перевода, для изучения особенностей становления профессиональной переводческой компетенции, лингвистической специфичности переводов в целом, для выявления типичных переводческих проблем и проверки гипотез относительно теоретических переводческих трудностей, традиционно описываемых на основе сопоставительных данных (способы передачи эпистемической модальности, «ложные друзья переводчика» и пр.)

Сравнительно небольшая часть RusLTC (599 переводов на русский и 166 – на английский на февраль 2018 года) размечена по ошибкам при помощи программы текстовых аннотаций brat (Stenetorp et al 2012). Аннотации хранятся в отдельном файле. Идентификация размеченного сегмента производится по порядковаму номеру первого и последнего символа выделенного фрагмента. Разметка производится на основе специально созданной классификации переводческих ошибок, включающей 30 иерархически организованных типов ошибок. Кроме того, аннотатор может отметить "вес" ошибки и ее технологическую преичину, а также оставить комментарий (см. инструкцию по разметке и подробное описание таксономии ошибок). Разметка ошибок используется в курсе практического перевода, поэтому объем размеченных данных растет естественным образом (На октябрь 2018 всего размечено 765 переводов, из них в англо-русской части - 599 (объемомм 230 K слов) к 72 оригиналам. Посмотреть размеченные переводы можно по адресу https://dev.rus-ltc.org/brat/#/rusltc/.

RusLTC можно скачать в двух вариантах: (1) в виде двуязычного файла в формате доработанного TMX (разновидность XML, использующаяся для хранения памяти перевода в системах автоматизированного перевода) или (2) в виде архива простых текстовых файлов в кодировке Unicode utf-8.

Каждому тексту присваивается уникальное имя, содержащее следующие элементы: обозначение языка, на котором он написан (EN или RU), номер одного из разработчиков корпуса, уникальный номер для каждого оригинала (независимо от языка оригинала) и, в случае переводов, порядковый номер перевода для одного оригинала. Например, имя файла RU_1_35.txt означает, что это оригинал на русском языке из раздела, курируемого разработчиком 1, а EN_1_35_3.txt – это перевод указанного оригинала под номером 3.

Все метаданные и разметка по ошибкам к каждому переводу хранятся в одноименных служебных файлах, снабженных уточнением head или расширением ann (напр., RU_1_35.head.txt содержит метаданные к указанному тексту, а EN_1_35_3.ann – разметку по ошибкам). Обобщенная статистика по видам выделенных ошибок представлена на рисунке слева.

Контент корпуса (оригиналы и переводы, а также метаданные) доступен под свободной лицензией Creative Commons Attribution-ShareAlike. Вы можете использовать его в любых целях, при условии ссылки на авторов корпуса (Kunilovskaya, Kutuzov 2014 в списке литературы ниже) и распространении вашей производной работы под аналогичной свободной лицензией.

Если вы являетесь автором одного из включенных в корпус текстов или переводов и не желаете, чтобы он был доступен в Сети, то свяжитесь с авторами корпуса и мы удалим ваше произведение из свободного доступа.

Насколько нам известно, RusLTC – единственный множественный параллельный корпус учебных переводов, доступный онлайн и включающий русский язык. В мире это третий (и самый большой) параллельный корпус в Интернете, после ENTRAD and MeLLANGE LTC (см. Таблицу 1, в которой описаны все аналогичные ресурсы по состоянию на март 2014).

Если у вас возникли вопросы пишите нам на электронную почту mkunilovskaya@gmail.com.

Скачать корпус как набор текстовых файлов с мета-данными

Скачать корпус как выровненный TMX-файл (bitext)

Скачать описание корпуса в tsv-формате (заголовки оригиналов, их жанр, размер и количество переводов)

Выровненные по предложениям документы с бинарной разметкой good/bad и professional/student, а также референтные непереводные тексты на русском языке (docs-labels-ref-feats.tsv.gz)

Выровненные по предложениям документы с индексами качества из статистики переводческих ошибок и из эксперимента по непосредственной оценке (docs-scores_err553-unweighted_da140-2raters.tsv.gz)

Параллельные предложения из 553 документов с индексами качества из статистики ошибок и из эксперимента по непосредственной оценке качества перевода (DA) (sent-scores_err12369-unweighted_da3224-2raters.tsv.gz)

Поиск в корпусе

Подробнее о корпусе и о результатах наших исследований можно прочитать в следующих публикациях:

• Kunilovskaya, M., Ilyushchenya, T., Morgoun, N., & Mitkov, R. (June, 2022). Source language difficulties in learner translation: Evidence from an error-annotated corpus. Target. https://doi.org/10.1075/target.20189.kun
• Kunilovskaya, M., Lapshinova-Koltunski, E., & Mitkov, R. (2021). Translationese in Russian Literary Texts. Proceedings of the 5th Joint SIGHUM Workshop on Computational Linguistics for Cultural Heritage, Social Sciences, Humanities and Literature. EMNLP, pp. 101–112.
• Kunilovskaya, M. & G. Corpas Pastor (2021). Translationese and register variation in English-to-Russian professional translation. In L. Lim, D. Li, and V. Wang (Eds.), New Perspectives on Corpus Translation Studies. Springer.
• Kunilovskaya, M., & Lapshinova-Koltunski, E. (2020). Lexicogrammatic translationese across two targets and competence levels. In N. Calzolari, F. Bechet, P. Blache, K. Choukri, C. Cieri, T. Declerck, S. Goggi, H. Isahara, B. Maegaard, J. Mariani, & A. Others (Eds.), Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020) (pp. 4102–4112). The European Language Resources Association (ELRA).
• Kunilovskaya, M., & Lapshinova-Koltunski, E. (2019). Translationese features as indicators of quality in English-Russian human translation. In I. Temnikova, C. Orasan, G. Corpas Pastor & R. Mitkov (Eds.), Proceedings of the 2nd Workshop on Human-Informed Translation and Interpreting Technology (HiT-IT 2019) (pp. 47–56). INCOMA Ltd. http://dx.doi.org/10.26615/issn.2683-0078.2019_006
• A poster presenting RusLTC 2.0 at Artificial Intelligence and Natural Language Conference (AINL 2018)
• Kunilovskaya, M., Morgoun N. & Pariy A. (2018). Learner vs. professional translations into Russian: Lexical profiles. Translation and Interpreting (ISSN 1836-9324), 10(1), 33-52. https://doi.org/10.12807/ti.110201.2018.a03
• Куниловская Мария (2018) Слайды к докладу "Лингвистические свойства переводов методами корпусной лингвистики: год спустя". Индустрия перевода, ПНИПУ. Пермь, 06 июня 2018
• Kunilovskaya, M. & Morgoun N. (2018). Do translation textbooks address real-life translation problems: evidence from corpus-based error analysis. In Book of abstracts 13th Teaching and Language Corpora Conference, (TALC 2018). Faculty of Education, University of Cambridge, 102-103 See slides
• Kunilovskaya M. & Kutuzov A. (2018) Universal Dependencies-based syntactic features in detecting human translation varieties Proceedings of the 16th International Workshop on Treebanks and Linguistic Theories (pp. 27-35). Association for Computational Linguistics.
• Kunilovskaya, M. A., Ilyushchenya, T. A., & Kovyazina, M. A. (2017). Corpus-based quality assessment of error-tagged learner translations. Tyumen State University Herald. Humanities Research. Humanitates, 3(3), 94–112. https://doi.org/10.21684/2411-197X-2017-3-3-94-112 (in Russian)
• Kunilovskaya M. & Kutuzov A. (2017) Testing target text cohesion: machine learning approach to modeling sentence boundaries in English-Russian translationNew perspectives on cohesion and coherence: implications for translation. Edited by: Kerstin Kunz, Ekaterina Lapshinova-Koltunski and Katrin Menzel. Language Science Press, 2017 (pp. 75−103).
• Kunilovskaya M. (2017) Linguistic tendencies in English to Russian translation: the case of connectives. In Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference Dialogue 2017 (pp. 221-233) Appendix 1. Semantic taxonomy of connectives
• Kunilovskaya M. & Kutuzov A. (2015) A quantitative study of translational Russian (based on а translational learner corpus)// Труды международной конференции «Корпусная лингвистика-2015». – Спб.: С.-Петербургский гос. университет, Филологический факультет, 2015. – С. 33–40.
• Kunilovskaya M.(2015) How Far do we Agree on the Quality of Translation?In English Studies at NBU, 2015, Vol. 1, Issue 1, 18–31.
• Maria Kunilovskaya, Andrey Kutuzov. (2014) Russian Learner Translator Corpus: Design, Research Potential and Applications In Text, Speech and Dialogue (pp. 315-323). Springer International Publishing (2014, January).
• Куниловская, М.А. (2013) Классификация переводческих ошибок и их электронная разметка в brat//Проблемы теории, практики и дидактики перевода: Сборник научных трудов. Серия "Язык. Культура. Коммуникация". Выпуск 16. Том 1. - Нижний Новгород: Нижегородский государственный лингвистический университет им. Н.А. Добролюбова, 2013. - С. 59–71.
• Kunilovskaya, M.A. and Morgoun, N.L. (2013) Gains And Pitfalls Of Sentence-Splitting.In Translation In Perm National Research Polytechnic University Herald / Linguistic and Pedagogy. # 8 (50), 152–166.
• Ильющеня, Т.А, Куниловская, М.А. Надежность результатов описания и оценки качества учебного письменного перевода// Экология перевода: перспективы междисциплинарных исследований: материалы I Международной научно-практической конференции (г. Тюмень, 4-5 октября 2013 г.)". – Тюмень: Издательство «ШУКЛИН & АЛЕКСАНДРОВ» 2013. – С. 105–115.
• Куниловская, М.А. Классификация переводческих ошибок для создания разметки в учебном параллельном корпусе Russian Learner Translator Corpus. // Lingua mobilis: Научный журнал, № 40. – ЧелГУ: Лаборатория межкультурных коммуникаций, 2013. – С. 141–159].
• Kutuzov, A.B., Kunilovskaya M.A., Oschepkov A.Yu. and Chepurkova A., Yu. (2012) Russian Learner Parallel Corpus as a Tool for Translation Studies. In Computational Linguistics and Intellectual Technologies. Papers from the Annual International Conference "Dialogue", Issue 11. Vol 1 of 2, 362–369.
• Кутузов, А.Б. Переводы мужские и женские: есть ли разница (на материале Корпуса несовершенных переводов)?// Проблемы перевода, лингвистики и литературы: сборник научных трудов. Серия "Язык. Культура. Коммуникация". Выпуск 15. Том 1. - Нижний Новгород: НГЛУ, 2012. – C. 97–104.
• Кутузов, А.Б. Корпус несовершенных переводов: необходимость проекта// Сборник научных трудов "Проблемы теории, практики и дидактики перевода", вып.14, т.1. - Нижний Новгород, 2011.

Презентация корпуса на конференции TSD-2014, Брно, Чехия: