در دنیای امروز، پردازش زبان طبیعی (NLP) با پدیده‌ای به نام کدآمیختگی روبرو است. کدآمیختگی به معنای استفاده از دو یا چند زبان در یک گفتار یا متن واحد است. این پدیده در زندگی روزمره بسیار رایج است، به‌خصوص در میان افرادی که به چند زبان مسلط هستند. با این حال، در زمینه ترجمه گفتار (ST)، توجه چندانی به این پدیده نشده است. دلیل اصلی این کم‌توجهی، نبود داده‌های برچسب‌گذاری شده برای ترجمه گفتار کدآمیخته است.

مقاله حاضر به معرفی مجموعه داده‌ای جدید به نام پراپوپاداوانی (Prabhupadavani) می‌پردازد که این خلاء را پر می‌کند. این مجموعه داده شامل ترجمه گفتار کدآمیخته برای ۲۵ زبان مختلف است و می‌تواند به محققان در زمینه ترجمه گفتار و پردازش زبان طبیعی کمک شایانی کند.

این مقاله توسط جیونش سندان، آیوش داکش، ام آدیدوا پارانجی، لاکشمیدهار بهرا و پاوان گویال نوشته شده است. نویسندگان از متخصصان حوزه پردازش زبان طبیعی و ترجمه ماشینی هستند و در زمینه‌های مختلفی از جمله جمع‌آوری داده، برچسب‌گذاری داده و توسعه مدل‌های ترجمه گفتار فعالیت دارند.

زمینه اصلی تحقیق این مقاله، پردازش زبان طبیعی، ترجمه گفتار و به‌طور خاص، ترجمه گفتار کدآمیخته است. این زمینه به دلیل چالش‌های خاص خود، مانند شناسایی زبان‌های مختلف در یک متن، درک معنای جملات کدآمیخته و تولید ترجمه‌های دقیق، از اهمیت ویژه‌ای برخوردار است.

همانطور که اشاره شد، مقاله پراپوپاداوانی به معرفی یک مجموعه داده جدید برای ترجمه گفتار کدآمیخته می‌پردازد. این مجموعه داده شامل ۹۴ ساعت گفتار است که توسط بیش از ۱۳۰ گوینده ضبط شده است. گفتارها به صورت دستی با متن معادل در زبان مقصد هم‌تراز شده‌اند.

محتوای مجموعه داده پراپوپاداوانی مربوط به فرهنگ و میراث ویدیایی از ادبیات هندی است. در این زمینه، استفاده از کدآمیختگی در نقل قول از ادبیات، اهمیت ویژه‌ای در آموزش علوم انسانی دارد. به گفته نویسندگان، پراپوپاداوانی اولین مجموعه داده چند زبانه برای ترجمه گفتار کدآمیخته است که در دسترس محققان قرار می‌گیرد.

این مجموعه داده می‌تواند برای اهداف مختلفی مورد استفاده قرار گیرد، از جمله:

• آموزش مدل‌های ترجمه گفتار کدآمیخته
• ارزیابی عملکرد مدل‌های ترجمه گفتار کدآمیخته
• تحقیق در زمینه کدآمیختگی و تاثیر آن بر ترجمه گفتار

ایجاد مجموعه داده پراپوپاداوانی شامل مراحل مختلفی بوده است:

1. جمع‌آوری داده: گفتارها از منابع مختلفی جمع‌آوری شده‌اند. این منابع شامل سخنرانی‌ها، مصاحبه‌ها و سایر محتوای صوتی مربوط به فرهنگ و میراث ویدیایی است.
2. برچسب‌گذاری داده: گفتارها به صورت دستی با متن معادل در زبان مقصد هم‌تراز شده‌اند. این فرآیند شامل شناسایی کلمات و عبارات کدآمیخته و ترجمه آن‌ها به زبان مقصد است.
3. تایید داده: داده‌های برچسب‌گذاری شده توسط متخصصان بررسی و تایید شده‌اند تا از صحت و دقت آن‌ها اطمینان حاصل شود.

نویسندگان همچنین از روش‌های مختلفی برای ارزیابی کیفیت مجموعه داده استفاده کرده‌اند. این روش‌ها شامل محاسبه میزان دقت هم‌ترازی، ارزیابی کیفیت ترجمه‌ها و بررسی میزان پوشش زبان‌های مختلف در مجموعه داده است.

یکی از یافته‌های کلیدی این مقاله، نشان دادن اهمیت کدآمیختگی در زمینه ترجمه گفتار است. نویسندگان نشان داده‌اند که وجود کدآمیختگی می‌تواند به طور قابل توجهی بر عملکرد مدل‌های ترجمه گفتار تاثیر بگذارد. به همین دلیل، ایجاد مجموعه‌ داده‌هایی مانند پراپوپاداوانی برای آموزش و ارزیابی مدل‌های ترجمه گفتار کدآمیخته ضروری است.

یافته دیگر این مقاله، نشان دادن پتانسیل مجموعه داده پراپوپاداوانی برای بهبود عملکرد مدل‌های ترجمه گفتار کدآمیخته است. نویسندگان با آموزش یک مدل ترجمه گفتار بر روی این مجموعه داده، توانسته‌اند به نتایج قابل توجهی در زمینه ترجمه گفتار کدآمیخته دست یابند.

برای مثال، آن‌ها نشان دادند که مدل آموزش‌دیده بر روی پراپوپاداوانی، در مقایسه با مدل‌های آموزش‌دیده بر روی مجموعه‌ داده‌های استاندارد، در ترجمه جملات کدآمیخته عملکرد بهتری دارد. این امر نشان می‌دهد که پراپوپاداوانی می‌تواند به محققان در توسعه مدل‌های ترجمه گفتار دقیق‌تر و کارآمدتر کمک کند.

مجموعه داده پراپوپاداوانی کاربردهای متعددی دارد. برخی از این کاربردها عبارتند از:

• توسعه مدل‌های ترجمه گفتار کدآمیخته برای زبان‌های مختلف
• ارزیابی عملکرد مدل‌های ترجمه گفتار کدآمیخته
• تحقیق در زمینه کدآمیختگی و تاثیر آن بر ترجمه گفتار
• ایجاد برنامه‌های کاربردی ترجمه گفتار برای موقعیت‌های چند زبانه
• آموزش زبان با استفاده از نمونه‌های واقعی کدآمیختگی

یکی از دستاوردهای مهم این مقاله، ارائه یک منبع داده ارزشمند برای محققان در زمینه ترجمه گفتار کدآمیخته است. پیش از این، نبود داده‌های مناسب، مانع بزرگی برای پیشرفت در این زمینه بوده است. مجموعه داده پراپوپاداوانی این مشکل را برطرف می‌کند و امکان انجام تحقیقات بیشتر و توسعه مدل‌های بهتر را فراهم می‌آورد.

علاوه بر این، این مقاله می‌تواند به افزایش آگاهی در مورد اهمیت کدآمیختگی در پردازش زبان طبیعی کمک کند. با توجه به اینکه کدآمیختگی پدیده‌ای رایج در دنیای امروز است، توجه به آن در تحقیقات پردازش زبان طبیعی ضروری است.

مقاله پراپوپاداوانی به معرفی یک مجموعه داده جدید و ارزشمند برای ترجمه گفتار کدآمیخته می‌پردازد. این مجموعه داده می‌تواند به محققان در زمینه ترجمه گفتار و پردازش زبان طبیعی کمک شایانی کند و امکان توسعه مدل‌های دقیق‌تر و کارآمدتر را فراهم آورد. نویسندگان با ارائه این مجموعه داده، گام مهمی در راستای درک بهتر و پردازش موثرتر پدیده کدآمیختگی در زبان برداشته‌اند.

در نهایت، می‌توان گفت که پراپوپاداوانی نه تنها یک مجموعه داده است، بلکه یک منبع الهام برای تحقیقات بیشتر در زمینه ترجمه گفتار کدآمیخته و سایر زمینه‌های مرتبط با پردازش زبان طبیعی است. امید است که این مجموعه داده بتواند به پیشرفت دانش و فناوری در این زمینه‌ها کمک کند و به ایجاد برنامه‌های کاربردی مفید برای جوامع چند زبانه منجر شود.