Використання міжнародних стандартів для обміну термінологічними даними

KLAUS-DIRK SCHMITZ

Cologne University of Applied Sciences

КЛЮЧОВІ СЛОВА: керування термінологією, обмін термінологічними даними, стандарти, категорії даних, TBX

1. МОТИВАЦІЯ

Створення високоякісної термінології та професійне керування термінологією — це трудомісткі й затратні за часом і коштами процеси. Доступ до вже наявних термінологічних ресурсів і їх повторне використання можуть істотно зменшити обсяг зусиль, необхідних для термінологічної роботи. У багатьох випадках саме ці економічні чинники є головними аргументами на користь обміну термінологічними даними.

Однак є багато інших причин, чому обмін термінологічними даними такий важливий. Ділові процеси перекладу між замовниками, постачальниками мовних послуг і перекладачами-фрилансерами потребують передавання термінологічних даних в обох напрямках. Компанії надають термінологію для підтримки перекладацьких проєктів, а перекладачі повертають термінологічні ресурси, які вони оновили під час виконання перекладу. Крім того, послідовне використання термінології у великих проєктах за участю кількох окремих перекладачів можна гарантувати лише за умови, що всі залучені особи матимуть доступ до тих самих термінологічних ресурсів; однак різні інструменти керування термінологією та індивідуально розроблені термінологічні бази даних ускладнюють безвтратний і послідовний обмін термінологічними даними.

Ще один важливий сценарій обміну термінологічними даними — перенесення колекцій термінологічних даних з однієї системи в іншу. Це може знадобитися, якщо компанія або фрилансер змінює постачальника інструментів і має конвертувати термінологію зі старої системи керування термінологією в новий інструмент, а також коли термінологічні дані потрібні в інших програмах, наприклад у системах керування контентом або системах машинного перекладу (на основі правил).

Однак простий і зручний обмін термінологічними даними в усіх цих сценаріях може бути проблематичним, оскільки технічні вимоги до керування термінологією-

Terminologija | 2012 | 19

3 3

мент (мови, категорії даних, набори значень даних) може суттєво відрізнятися залежно від потреб відповідних груп користувачів та організаційного середовища.

2. ВИМОГИ

Процедури обміну між двома конкретними термінологічними базами даних зазвичай розробляють окремо, враховуючи наявні процедури імпорту й експорту та формати обох задіяних систем. Також необхідно знати моделі даних і «семантику» категорій даних обох систем. Якщо обмін даними потрібен між більш ніж двома системами, кількість необхідних процедур перетворення швидко зростає. Саме тому існує значний попит на стандартизовані формати обміну, у яких кожна з термінологічних систем керування, що бере участь в обміні, має забезпечити лише функцію імпорту даних зі стандартизованого формату обміну та функцію експорту до стандартного формату обміну.

Одним із найвідоміших і найчастіше використовуваних форматів є CSV (значення, розділені комами). Цей формат розділяє інформацію комами або табуляцією, а записи даних — символами повернення каретки або знаками абзацу. Хоча окремі дані зазвичай відокремлені одне від одного, їхнє значення та тлумачення залишаються незрозумілими й не визначені явно у форматі CSV.

Рис. 1: Дані з термінологічної бази MultiTerm 2011, експортовані у формат CSV

Формат CSV часто використовують для перетворення даних у електронні таблиці Excel і з них. Іноді в першому рядку файлу обміну зазначають назви стовпців, що дає змогу зробити висновки про

34

Klaus–Dirk Schmitz | Using international standards for terminology exchange

семантику подальших даних. Однак це працює лише тоді, коли структура термінологічних даних не надто складна і кожен запис містить однаковий тип і кількість даних; змінні дані (наприклад, різна кількість термінів кількома мовами) зміщуватимуть стовпці й унеможливлять правильне тлумачення даних.

Використання мов розмітки, таких як XML (розширювана мова розмітки), дає змогу уникнути саме цієї проблеми. Кожен окремий фрагмент інформації несе семантику свого значення в так званому тезі, а групування й розподіл кожного елемента даних однозначно визначаються структурою XML.

Рис. 2: Дані з термінологічної бази MultiTerm 2011, експортовані у формат XML

На рисунку 2 показано початок файлу обміну CSV з рисунка 1 у форматі XML, а саме у спеціальному форматі XML MultiTerm 2011, який використовують для перетворення баз даних MultiTerm.

3. Р О З В ’ Я З А Н Н Я

Тепер ми вже недалеко від створення чітко визначеного стандартизованого формату обміну. Потрібно лише стандартизувати розмітку в кутових дужках — теги й атрибути типу, — щоб забезпечити так званий «сліпий обмін» між термінологічними базами даних. «Сліпий» означає, що не потрібно знати структуру, категорії даних та їхні значення ані у вихідній, ані в цільовій термінологічній базі. Саме цього намагається досягти стандарт ISO 30042:2008, який визначає TBX (Term Base eXchange). TBX ґрунтується на ISO 16642:2003, що визначає термінологічну метамодель із кількома рівнями та структурними елементами для

Terminologija | 2012 | 19

35

XML-файлу, а також на ISOCAT (www.isocat.org), що визначає категорії термінологічних даних відповідно до ISO 12620:2009. На рисунку 3 показано спрощений фрагмент термінологічного запису у форматі TBX.

Рис. 3: Спрощений приклад файлу TBX

TBX визначено як єдиний міжнародний стандарт, але під час ознайомлення з документом і вебсайтом ISOcat можна побачити, що існують різні варіанти TBX. Сам стандарт визначає щось на кшталт сімейства форматів, сумісних із TBX: TBX–Default підтримує весь набір категорій термінологічних даних сімейства TBX, тоді як TBX–Basic використовує лише меншу підмножину категорій даних, щоб спростити процедури імпорту й експорту для певних груп користувачів і менш складних баз даних.

4. ВИКЛИКИ

Хоча TBX є чітко визначеним стандартом ISO, слід згадати про дві проблеми, які можуть надзвичайно ускладнити обмін термінологічними даними: недостатню строгість TBX у деяких аспектах і гнучкість сучасних систем керування термінологією.

Серед іншого, TBX намагається стандартизувати допустимі значення закритих категорій даних, тобто значення, які можуть траплятися. Це може належно працювати для певних категорій даних, як-от граматичний рід (gender = m / f / n), але приречене на невдачу для такої категорії даних, як предметна галузь, оскільки не існує (ідеальної) класифікації предметних галузей

36

Klaus–Dirk Schmitz | Using international standards for terminology exchange

що відповідає всім потребам користувачів і всім сферам застосування. Тому не можна гарантувати повністю «сліпий» обмін даними за допомогою TBX для всіх категорій даних, оскільки TBX не може визначити можливі значення для таких категорій даних, як предметна галузь.

Система керування термінологією має забезпечувати інтерфейси імпорту й експорту, що підтримують стандарт TBX. Деякі розробники систем прямо заявляють, що їхнє програмне забезпечення здатне імпортувати й експортувати файли у форматі TBX. Однак це може бути правдою лише тоді, коли система керування термінологією має фіксовану, заздалегідь визначену структуру запису з попередньо заданими категоріями даних; лише в цьому разі розробник системи знатиме семантику категорій даних і зможе належним чином представляти їх у файлах експорту TBX або інтерпретувати у файлах імпорту TBX. Але якщо система керування термінологією вимагає / дозволяє користувачеві визначати модель даних і категорії даних відповідно до власних конкретних потреб (наприклад, MultiTerm) або принаймні змінювати попередньо задану модель даних (наприклад, crossTerm, qTerm або TermStar), розробник системи не зможе забезпечити коректний інтерфейс TBX, оскільки йому невідома семантика визначених користувачем категорій даних. Щоб розв’язати подібні проблеми, можливі лише два рішення (поза межами TBX): або спеціальний інструмент зіставлення допомагає користувачеві співвіднести власні категорії даних зі стандартизованими категоріями ISOcat, або користувач від самого початку створює власну термінологічну базу даних на основі стандартизованих категорій даних безпосередньо в ISOcat.

5. ВИСНОВКИ

ISO/TC37, міжнародний технічний комітет зі стандартизації термінології, розробив і опублікував кілька стандартів, що безпосередньо стосуються обміну термінологічними даними (наприклад, ISO 30042:2008 для TBX). Однак для вибору категорій термінологічних даних і моделювання термінологічних баз даних з метою спрощення та забезпечення обміну термінологічними даними можна використовувати й інші стандарти TC37.

Оскільки сучасні системи керування термінологією мають фундаментальні проблеми з підтримкою форматів обміну, таких як TBX, питання обміну потрібно враховувати під час розроблення рішень для керування термінологією в компаніях і для фрилансерів. Хибні рішення та помилковий вибір категорій даних перешкоджатимуть майбутньому обміну термінологічними даними, і виправити їх можна буде лише доклавши значних зусиль. Стандарти ISO, такі як ISO 12620:2009 і ISO 26162:2012

Terminologija | 2012 | 19

37

а також Реєстр категорій даних (www.isocat.org) допоможуть користувачам розробляти професійні й сучасні системи керування термінологією, що забезпечують обмін термінологією на основі стандартів.

BIBLIOGRAPHY

ISO 12620:2009 Terminology and other language and content resources – Specification of data categories and management of a Data Category Registry for language resources. Geneva: ISO.

ISO 16642:2003 Computer applications in terminology – Terminological markup framework. Geneva: ISO.

ISO 26162:2012 Systems to manage terminology, knowledge and content – Design, implementation and maintenance of terminology management systems. Geneva: ISO.

ISO 30042:2008 Systems to manage terminology, knowledge and content – TermBase eXchange (TBX). Geneva: ISO.

Melby A. K., Schmitz K.-D., Wright S. E. 2001: Terminology Interchange. – Handbook of Terminology Management, Volume 2, Wright S. E., Budin G. (eds.), Amsterdam/Philadelphia: John Benjamins, 613–642.

Schmitz K.-D. 2004: Terminologiearbeit und Terminographie. – Angewandte Linguistik – Ein Lehrbuch, Knapp K. et al. (Hrsg.), Tübingen/Basel: Francke, 435–456.

Schmitz K.-D. 2008: Bedeutung von Normung und Terminologiearbeit für die Technische Dokumentation. – Terminologiearbeit für Technische Dokumentation. (= tekom Schriften zur technischen Kommunikation 12); Hennig J., Tjarks-Sobhani M. (Hrsg.), Lübeck: Schmidt-Römhild, 11–17.

Schmitz K.-D., Straub D. 2010: Successful Terminology Management in Companies – Practical tips and guidelines, Stuttgart: TC and More.

TARPTAUTINIŲ STANDARTŲ NAUDOJIMAS TERMINOLOGIJOS MAINAMS

Kruopštus terminologijos darbas ir profesionali terminijos tvarkyba įmonėms ir laisvai samdomiems darbuotojams yra daug laiko ir išlaidų reikalaujanti veikla. Ją gerokai palengvintų prieiga prie esamų terminologinių išteklių ir jų panaudojimas. Klientų, vertimo paslaugas teikiančių įmonių ir vertėjų bendravimui ir bendradarbiavimui reikalingas duomenų perdavimas įvairiomis kryptimis. Skirtingos terminologijos tvarkybos sistemos ir nesuderinti, atskiri terminologinių išteklių duomenų modeliai gali trukdyti terminologinių duomenų mainams ar užkirsti jiems kelią.

ISO/TK37 – tarptautinis terminologijos ir kitų kalbos bei turinio išteklių standartizavimo technikos komitetas – parengė ir išleido keletą standartų, skirtų terminologinių duomenų mainams (pvz., TBX mainų formatui skirtas ISO 30042). Pasirenkant tinkamas terminologinių duomenų kategorijas ir modeliuojant terminologinių duomenų bazes, galima remtis ir kitais ISO/TK37 standartais, kurių taikymas palengvintų terminologinių duomenų importą ir eksportą iš kitų išteklių.

Straipsnyje kalbama apie bendruosius terminologinių duomenų mainų tikslus, principus ir problemas, supažindinama su tarptautiniais standartus, skirtais veiksmingus duomenų mainus užtikrinančioms terminologijos tvarkybos sistemoms kurti, aiškinamas TBX mainų formato taikymas.

Gauta 2012-11-18

Klaus-Dirk Schmitz Cologne University of Applied Sciences Institute of Translation and Multilingual Communication Ubierring 48, 50678 Cologne, Germany E-mail [email protected]

38

Klaus-Dirk Schmitz

Using international standards for terminology exchange