Alinhador online de textos paralelos (Vanilla aligner)

CEPRIL, LAEL, PUC/SP

Para que serve

• Este programa serve para identificar, automaticamente, correspondências entre trechos de textos originais e traduzidos.
• Isso é particularmente útil em estudos da tradução com corpora paralelos.
• Alinhar significa colocar próximas unidades de textos diferentes.
• Textos paralelos são textos ligados por uma relação de tradução (um original e sua tradução, ou duas traduções de um mesmo original).
• O índice de acerto é de 95%, segundo Danielsson e Ridings (1997).

Como usar

É possível alinhar somente dois textos de cada vez. Não importa a língua dos textos.

1. Copie um texto de cada vez e cole-o um em uma das janelas localizadas abaixo (Texto 1 ou Texto 2). A ordem não importa. Não há limite conhecido de tamanho dos textos. Eles podem ser maiores do que o tamanho visível da janela. Ao colar, certifique-se de que os textos não estão truncados.
2. Indique se ambos os textos estão itemizados ou não (ambos os textos devem estar no mesmo formato).
3. Indique os códigos de divisão usados nos dois textos (ambos os textos devem ter sido anotados com os mesmos códigos de divisão).
4. Clique em Alinhar.

Formatação dos textos a serem alinhados

• Códigos de divisão. Os textos devem estar anotados com códigos de final de sentença (período) e de parágrafo (ie, de divisão), como por exemplo .EOS para final de sentença e .EOP para final de parágrafo. Indique os código usados no espaço indicado abaixo. As divisões do texto não precisam ser necessariamente relativas a sentenças e parágrafos. O analista pode usar qualquer divisão que lhe faça sentido (por exemplo orações, páginas, etc.). Os critérios determinantes devem ser:
  • Uma unidade deve ser maior do que a outra, e...
  • ... a unidade menor não deve atravessar (cut across) nenhuma fronteira de unidade maior (isto é, nenhuma sentença pode estar em dois parágrafos ao mesmo tempo).
• Itemização: Itemização significa colocar cada token (palavra, número e código de divisão) em uma linha diferente. Isso é necessário para que o alinhador funcione. A pontuação não precisa estar cada uma em uma linha separada (pode vir junto com as palavras). Você pode fornecer seus textos já itemizados ou não. Se o fornecer itemizado, siga o exemplo abaixo. Escolha a opção de itemização que se aplica ao seu caso no menu correspondente (texto itemizado ou não). Exemplo de um texto itemizado:

  One
  word
  or
  marker
  per
  line.
  .EOS
  .EOP
  

Exemplo de textos alinhados com este alinhador

• Vide o exemplo abaixo:

  *** Link: 1 - 1 ***
  Turin European Council 29 March 1996 Presidency Conclusions .EOS
  EUROPÄISCHER RAT TURIN 29. MÄRZ 1996 SCHLUSSFOLGERUNGEN DES VORSITZES .EOS
  
  .EOP
  
  *** Link: 1 - 1 ***
  The European Council began its proceedings by exchanging ideas with Mr Klaus Hänsch, President of the European Parliament, on the main subjects for discussion at this meeting. .EOS
  Der Europäische Rat hat zunächst einen Gedankenaustausch mit dem Präsidenten des Europäischen Parlaments, Herrn Klaus Hänsch, über die wichtigsten auf dieser Tagung zur Erörterung anstehenden Themen geführt. .EOS
  
  .EOP
  

• Como interpretar o resultado:
  • *** início de um trecho alinhado.
  • Link:
    • 1 - 1 Um trecho do primeiro texto corresponde a exatamente um trecho do segundo texto.
    • 0 - 1: Um trecho do segundo texto não possui equivalente no primeiro texto.
    • 1 - 0: Um trecho do primeiro texto não possui equivalente no segundo texto.
    • 2 - 1: Dois trechos do primeiro texto são equivalentes a um trecho do segundo texto.
    • 1 - 2: Um trecho do primeiro texto é equivalente a dois trechos do segundo texto.
    • 2 - 2: Dois trechos do primeiro texto são equivalentes a dois trechos do segundo texto.
  • The European Council ... Início do trecho do primeiro texto.
  • Der Europäische Rat ... Início do trecho do segundo texto.
  • .EOS Marcador de final de unidade menor (no caso, sentença). Vide explicação acima.
  • .EOP Marcador de final de unidade maior (no caso, parágrafo). Vide explicação acima.
• Maiores informações: vide Danielsson, Pernilla e Ridings, Daniel (1997) Practical Presentation of a 'Vanilla' Aligner .

Outras informações

1. O programa é baseado no alinhador 'char_align' de 1991, de Church e Gale, descrito no artigo de 1993.
2. O código usado nesta implementação é a fonte do etiquetador 'Vanilla' disponibilizado em linguagem C por Pernilla Danielsson e Daniel Ridings (Universidade de Goteburgo, Suécia) em seu paper de 1997.
3. O alinhador é independente de língua ('language independent'), ou seja, consegue alinhar qualquer língua com qualquer outra (desde que os textos tenham sido anotados segundo as normas descritas abaixo).
4. O alinhador funciona com um método baseado em caracteres, não em palavras ou parágrafos. O alinhador presume que 'a translation of a unit in one language, for example a sentence, will be represented by a unit that is approximately of the same length in another language.' (Danielsson e Ridings 1997).
5. Esse alinhador foi citado numa discussão na lista CORPORA sobre alinhadores em 2002, resumida por Tony Berber Sardinha.
6. Há uma versão em DOS para esse alinhador.
7. Você pode baixar o binário para Linux.

Erros

1. A sua escolha de marcador e de itemização não correspondem às usadas nos DOIS textos.
2. A sua escolha de marcador está invertida (o de unidade maior está indicado para a unidade menor e vice-versa).
3. O servidor pode estar sobrecarregado. Tente novamente mais tarde, por favor.
4. Lembre-se de que os marcadores devem ser padronizados, usados consistentemente ao longo dos dois textos e aparecer em linhas separadas (não juntamente com outras palavras na mesma linha).

Referências

• William A. Gale and Kenneth W. Church. (1993) A program for aligning sentences in bilingual corpora. Computational Linguistics, 19(1):75-102.
• Danielsson, Pernilla e Ridings, Daniel (1997) Practical Presentation of a 'Vanilla' Aligner. Presentation held at the TELRI Workshop in alignment and exploitation of texts in Ljubljana, Feb. 1-2, 1997.

Divisão maior (p.ex. parágrafo): .EOP Outro
Se outro, especifique

Divisão menor (p.ex. sentença): .EOS Outro
Se outro, especifique

Texto 1:

Língua: (Opcional) Português Inglês Alemão Basco Bretão Chinês Corso Dinamarquês Espanhol Finlandês Flamenco Francês Gaélico Galego Guarani Holandês Húngaro Irlandês Islandês Italiano Japonês Latim Malaio Norueguês Russo Sueco Outro

Outras informações opcionais (gênero, autor, data, etc.):

Texto:

Texto 2:

Língua: (Opcional) Português Inglês Alemão Basco Bretão Chinês Corso Dinamarquês Espanhol Finlandês Flamenco Francês Gaélico Galego Guarani Holandês Húngaro Irlandês Islandês Italiano Japonês Latim Malaio Norueguês Russo Sueco Outro

Outras informações opcionais (gênero, autor, data, etc.):

Texto: