ความสามารถในการแปลความหมายระดับข้อความของ Google Translate ระบบ Neural Machine Translation จากภาษาญี่ปุ่นเป็นภาษาไทย
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาความสามารถในการแปลความหมายระดับข้อความของแอปพลิเคชัน Google Translate ระบบ Neural Machine Translation รายการภาษาความหมายระดับข้อความประกอบไปด้วยคำประสมคำนามและคำประสมคำกริยา จำนวน 136 คำ คำปรากฏร่วมประเภท คำนาม+คำกริยา จำนวน 100 คำ สำนวนที่มีคำนามอวัยวะเป็นส่วนประกอบ จำนวน 100 สำนวน และประโยคที่ประกอบจากรูปไวยากรณ์ระดับ N4 จำนวน 100 ประโยค รวมทั้งหมด 436 รายการ โดยแปลจากภาษาญี่ปุ่นเป็นภาษาไทย สำรวจระหว่างเดือนตุลาคมถึงพฤศจิกายน 2561 และตรวจสอบความสามารถการแปลโดยผู้เชี่ยวชาญภาษาญี่ปุ่นและภาษาไทย จำนวน 3 คน ผลการวิจัยพบว่า Google Translate ระบบ Neural Machine Translation แปลความหมายจากภาษาญี่ปุ่นเป็นภาษาไทยอยู่ในระดับ ไม่เป็นที่ยอมรับคิดเป็นร้อยละ 73.39 และแปลความหมายจากภาษาญี่ปุ่นเป็นภาษาไทยอยู่ในระดับเป็นที่ยอมรับคิดเป็นร้อยละ 26.61 โดยรายการภาษาที่ Google Translate ระบบ Neural Machine Translation สามารถแปลได้ในระดับยอมรับได้มากที่สุดเรียงจากมากไปหาน้อยได้แก่ คำปรากฏร่วม คำประสมคำนาม คำประสมคำกริยา ประโยค และสำนวน ตามลำดับ
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
ณัฏฐิรา ทับทิม. (2557). ภาษาศาสตร์ภาษาญี่ปุ่นเบื้องต้น. กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
ณัฏฐิรา ทับทิม. (2559ก). ลักษณะและความหมายคำประสม NV ในภาษาญี่ปุ่นและภาษาไทย. JSN Journal, 6(1), 74-94.
ณัฏฐิรา ทับทิม. (2559ข). โครงสร้างภาษาญี่ปุ่น. พิษณุโลก: มหาวิทยาลัยราชภัฏพิบูลสงคราม.
ณัฏฐิรา ทับทิม. (2560). ลักษณะและความหมายคำประสม VN ในภาษาญี่ปุ่นและภาษาไทย. JSN Journal, 7(S), 18-37.
ณัฏฐิรา ทับทิม. (2561). การปรากฏร่วมกันของคำในภาษาญี่ปุ่น: กรณีศึกษาคำนามจากคลังข้อมูลภาษา (รายงานการวิจัย). พิษณุโลก: มหาวิทยาลัยราชภัฏพิบูลสงคราม.
ณัฏฐิรา ทับทิม. (2562). การปรากฏร่วมกันของคำในภาษาญี่ปุ่น: กรณีศึกษาคำนามจากคลังข้อมูลภาษา. JSN Journal, 9(1), 49-68.
สมเกียรติ เชวงกิจวณิช. (2549). แปล ญี่ปุ่น-ไทย (เบื้องต้น). กรุงเทพฯ: ภาษาและวัฒนธรรม.
สุพรรณี ปิ่นมณี. (2555). แปลผิด แปลถูก : คัมภีร์การแปลยุคใหม่. กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
อัศนีย์ ก่อตระกูล และคณะ. (2541). การประมวลผลภาษามนุษย์ด้วยคอมพิวเตอร์. มนุษยศาสตร์วิชาการ, 6(1), 94-105.
อาชีพที่ตกงานก่อนใครเพราะหุ่นยนต์และ AI เข้ามาแทนที่. (2017, มิถุนายน). สืบค้นเมื่อ 31 ธันวาคม 2560, จาก http://www.theeleader.com/7-job-lost-ai-comming/
Bentivogli, L. et al. (2016). Neural versus phrase-based machine translation quality: a case study. Conference on Empirical Methods in Natural Language Processing, November 1-5, 2016, Austin, Texas, USA.
Gotō Isao. (2018). Kikaihonyakugijutsu no kenkyū to dōkō. NHK Gijutsu R&D, 168(3), 14-25.
Group Jammassy. (2554). พจนานุกรมรูปประโยคภาษาญี่ปุ่น (พิมพ์ครั้งที่ 1). กรุงเทพฯ: ภาษาและวัฒนธรรม.
Kōjien. (2008). Tokyo: Iwanamishoten.
Komeili, Z., Hendavalan, J. F., & Rahimi, A. (2011). An investigation of the translation problems incurred by English-to-Persian Machine Translations: “Padideh, Pars, and Google Softwares”. Procedia-Social and Behavioral Sciences, (28), 1079-1082.
Le, Q. V., & Schuster, M. (2016, September 27). A Neural Network for Machine Translation, at Production Scale. Retrieved January 1, 2018, from https://research.googleblog.com/2016/09/a-neural-network-for-machine.html
Pearce, D. (2001). Synonymy in Collocation Extraction. Retrieved August 10, 2018, from https://www.researchgate.net/publication/2371642_Synonymy_in_Collocation_Extraction
Techsource Team. (2560, 14 เมษายน). เจาะลึกการทำงานของ Neural Machine Translation เทคโนโลยีล่าสุดที่ Google Translate ใช้ โดยเลียนแบบระบบคิดจากสมองมนุษย์. สืบค้นเมื่อ 1 มกราคม 2561, จาก https://techsauce.co/technology/google-translate-neural-machine-learning/
Strafella, E. L., Hayashibe, Y., & Matsumoto, Y., (2012). Gendai Nihongo ni okeru koro-ke-shon: kenshuttsu to bunseki. Dai 1 kai ko-pasu Nihongogaku wa-kushoppu, 53-58.
Wu, Y. et al. (2017). Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation, 1-23. In A. Villiger, & R. Dach. (Eds.). International GNSS Service Technical Report 2016 (IGS Annual Report). IGS Central Bureau and University of Bern: Bern Open Publishing.
